搜索资源列表
zuoye4
- 用FAMALE.TXT、MALE.TXT的数据作为本次作业使用的样本集，利用C均值聚类方法对样本集进行聚类分析，对结果进行分析.-Use FAMALE. TXT, MALE. TXT data as the assignment is to use the data sets, using the c-means clustering method of the sample set clustering analysis, the analysis of the results.
DBSCAN
- 数据挖掘中聚类算发中基于密度的算法DBSCAN-Hair count data mining clustering algorithm DBSCAN density-based
FCM聚类算法介绍
- FCM聚类算法介绍 FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。 模糊C均值算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分。在介绍FCM具体算法之前我们先介绍一些模糊集合的基本知识。
ISODATA MATLAB编码
- 迭代自组织数据分析算法（Iterative Self-Organizing Data Analysis Techniques Algorithm，ISODATA）与K均值算法有相似之处，即聚类中心的位置同样是通过样本均值的迭代运算决定。不同的是，这种算法在运算的过程中聚类中心数目不是固定不变的，而是反复进行修改，以得到较合理的类别数K，这种修改通过模式类的合并和分裂来实现，合并和分裂在一组预先选定的参数指导下进行。
kmeans2
- 此程序可以实现大型数据聚类算法，其中含有测试数据。(This program can achieve large data clustering algorithm, which contains test data)
ISODATA
- ISODATA聚类算法，使用C++代码来实现，对Haberman的生存数据数据进行聚类, 改变初始参数观察结果变化，然后使用OPENGL将聚类结果可视化输出，最后对结果加以分析。(According to the basic idea of ISODATA algorithm flow chart of ISODATA algorithm, and implemented using C++ code, clustered survival data on Haberman data, chan
c_mean
- 模式识别中的c聚类算法，用来对不同类别的混合数据进行合理的分类。(Pattern recognition in the C clustering algorithm, used for different categories of mixed data for reasonable classification.)
FCM
- 一个模糊C均值聚类算法的matlab程序。程序中自带数据生成函数。(A fuzzy C means clustering algorithm matlab program. Program comes with data generation function.)
Spectral Clustering
- 实现简单的谱聚类，将两个半圆形的数据分成两类。(Implement a simple spectral clustering, two semi-circular data into two categories.)
FCM
- 用于数据聚类，无监督学习，可以直接使用，望大家指导批评(For data clustering, unsupervised learning)
dbscan的matlab代码实现
- 使用MATLAB对文档进行聚类，尤其在数据挖掘中使用，一般用于文本特征表示之后(Clustering documents using MATLAB)
K-Means PCA降维
- K-Means算法,不要求建立模型之后对结果进行新的预测，没有相应的标签，只是根据数据的特征对数据进行聚类。主成分分析降维对数据进行可视化操作,对features进行降维.(K-Means algorithm does not require the establishment of the model after the new prediction of the results, there is no corresponding tag, but only on the character
FCM
- 模糊聚类算法源码，通过迭代聚类中心，以及隶属度函数，完成代码运算，用于数据挖掘初学者使用。(Fuzzy clustering algorithm source code, through the iterative clustering centers and membership function, complete code for data mining operations, for beginners to use.)
cluster_extraction
- 利用pcl对点云数据进行聚类分割，建立索引得到分割后的各个物体构建(Clustering and segmentation of point cloud data using PCL)
Kjunzhi
- 一个简单的k均值聚类例程，适合数据挖掘初学者练习(A simple K mean clustering routines, practice for data mining beginners.)
kmeans
- 基于k均值的无监督聚类算法，输出有各个样本的类别标签，目标函数在每次迭代后的值，聚类中心以及聚类区间。内有测试数据，点击 test.m 可以完美运行。(The unsupervised clustering algorithm based on K means outputs the class labels of each sample, the value of the target function after each iteration, the clustering center a
warp-kmeans
- 传统的kmeans聚类算法不能保证时间序列聚类结果的时序性；基于warp-kmeans聚类算法可以有效处理时间序列的聚类问题，而且复杂度低，迭代次数少。 ，输出有目标函数在每次迭代后的值，聚类中心以及聚类区间。内有测试数据和相关文献，点击 test.m 可以完美运行(The traditional kmeans clustering algorithm can not guarantee the time series of the time series clustering results
NCIS
- 用来聚类基因表达数据,结合了基因互作网络(clustering the gene expression data)
K均值对iris数据集聚类
- k-means算法对irisdata数据集进行聚类(The k-means algorithm clustering the irisdata datasets)
101259363Desktop
- 传统的K-medoids聚类算法的聚类结果随初始中心点的 不同而波动，且计算复杂度较高不适宜处理大规模数据集； 快速K-medoids聚类算法通过选择合适的初始聚类中心改进 了传统K-medoids聚类算法，但是快速K-medoids聚类算法 的初始聚类中心有可能位于同一类簇。为了克服传统的K- medoids聚类算法和快速K-medoids聚类算法的缺陷，提出 一种基于粒计算的K-medoids聚类算法。(The traditional K-medoids clustering algorit