搜索资源列表
KMedios.rar
- 数据挖掘中 K中心点算法 测试数据为iris 数据库采用sql server 聚类算法,Data mining algorithms in test data for the K center iris database using sql server clustering algorithm
meimei
- matlab聚类分析方法，利用c均值方法对IRIS数据进行聚类分析-matlab cluster analysis methods using c mean clustering analysis of IRIS data
famousz-misc
- k-means及Isodata 聚类算法的实现，用c++代码实现，输入数据为Iris，输出分类类结果。 包含Iris数据及所有头文件和.cpp文件。-Isodata k-means clustering algorithm and implementation, using c++ code implement,. the input data is the Iris, the output classification class results. contains Iris d
Cmeansclusteringmethods
- 本算法在vc++6.0中进行实验。分别就分解聚类和C-均值聚类两种方法在IRIS数据集上进行操作。分类前先将数据集中的样本顺序打乱形成混合数据。分解聚类中，采用前100个样本用对分法编制程序将数据分为两类。C-均值聚类采用全部的150个样本，将类别参数K设为3，将数据分为三类。-The algorithm in vc++6.0 in the experiment. Separate cluster and decomposition of two C-means clustering metho
kmeans
- 使用K－均值聚类算法在IRIS数据上进行聚类分析.-K-means clustering algorithm using IRIS data in the cluster analysis.
CMean-CPP
- 使用c－均值聚类算法在IRIS数据上进行聚类分析-C-means clustering algorithm using IRIS data in the cluster analysis
C
- 用C均值聚类对Iris数据分类，输出分类结果和准确度-With the C-means clustering on the Iris data classification, and accuracy of output classification results
KMeans
- 采用C++实现Kmeans聚类算法，距离的计算采用的是欧氏距离。数据集是weka自带的data里面的iris.arff数据集。假设样本所有属性都是数值属性，不考虑分类属性。-C++ implementation Kmeans classic clustering algorithm, the distance is calculated using the Euclidean distance. Data set is data that comes inside weka iris.arff
c
- 用C-均值聚类的方法对Iris数据进行聚类分析-Cluster analysis using C-means clustering method on the Iris data
BFO-cluster
- 基本的细菌觅食聚类程序，测试数据集为IRIS数据集。-The basic bacterial foraging clustering procedure, the test data set for the IRIS data set.
Umoshishibies
- 先用C-均值聚类算法程序，并用下列数据进行聚类分析。在确认编程正确后，采用蔡云龙书的附录B中表1的Iris数据进行聚类。然后使用近邻法的快速算法找出待分样本X（设X样本的4个分量x1=x2=x3=xx4=6；子集数l=3）的最近邻节点和3-近邻节点及X与它们之间的距离.-C-means clustering procedure, and the following data and cluster analysis. Confirm the programming is correct, Ca
DM_YeDan
- KNN(K最近邻)分类算法以及K-means(K均值)聚类算法是应用广泛的两种算法。本代码是在VS2010环境下，用 C++语言在基于KNN及K-means算法下，实现了对Iris数据集的分类与聚类。-KNN (K nearest neighbor) classification algorithm, as well as K-means (K mean) clustering algorithm is widely used two algorithms. The code VS2010 en
isodate
- isodata聚类算法用于聚类类IRIS数据，分类效果较好，运行稳定-isodata clustering algorithm for clustering classes IRIS data classification better, stable operation
Cluster
- 使用k-means、k-media、层次聚类方法，并通过iris数据集测试-Using k-means, k-media, hierarchical clustering method, and through the iris data set test
Cluster
- 对iris数据进行聚类，能够得到每类的具体数据信息-Clustering of iris data, can be specific for each type of data
AP-Cluster
- AP聚类算法的C++代码实现，其中数据是文本读入iris数据，P值选取欧式矩阵最小值。显示结果为聚类后结果-AP clustering algorithm C++ code, in which data is read into the text iris data, P values selected European matrix minimum. Showing results clustering results after
irisdatasetclustering
- IRIS DATA SET CLUSTERING IN MATLAB
BBPSO
- BBPSO clustering for data bases like iris, vowel, cancer, etc.
iris
- 对鸢尾花数据集进行模糊聚类，将模拟退火算法及遗传算法分别与模糊聚类算法结合，使聚类效果更好。(Fuzzy clustering of the Iris Dataset)
irisdata
- 用于聚类的数据集。。。。。。。。。。。。。(Data sets for clustering)