搜索资源列表
matlab_kjunzhi
- 基于matlab的图像K均值聚类算法程序 -Matlab-based Image K-means clustering algorithm procedures
RFCM
- 用 MATLAB 编写的 模糊C均值聚类法源程序 和模糊k均值聚类法源程序,比较实用。-using MATLAB fuzzy c-means clustering source and fuzzy k-means clustering source, more practical.
K_average
- K均值聚类算法,matlab编写,很好用
kmeans
- matlab源码关于模糊K均值聚类算法，很好的，适合大家下载研究学习
kMeansPPTest
- k均值聚类算法，并包含了对该算法的一些优化，使用c语言进行程序的编写-k means clustering algorithm, using the procedures for the preparation matlab
PSO_K
- 毕设题目，基于K均值的PSO聚类算法，共享了。-Bi-based topic of the PSO-based K-means clustering algorithm, shared.
unsupervisedClassification
- 非监督分类程序，MATLAB环境，采用K均值算法，通过初始聚类中心逐次迭代而得到所要分类，并输出分类后的图像。-Non-supervised classification procedures, MATLAB environment, using K-means algorithm, the initial cluster center through successive iterations to be classified, and the output classification im
kmeans
- 程序很好的实现了k均值的聚类，我已经使使用过，效果非常好，很好用-Program achieved a very good k mean clustering, I have so used, the effect is very good, very good use
zfk_example
- 聚类分析里的k均值（kmeans）算法的matlab实现，是老师即将出的书里，我给写的例子，大家看看吧。 -Where k-means cluster analysis (kmeans) algorithm matlab implementation, a teacher is leaving the book, I give examples of writing, we take a look at bar.
imgkmeans
- 将K均值算法用于图像分割,输入的是彩色图像,转换为灰度图像进行分割,输出结果为灰度图像.利用灰度做为特征对每个像素进行聚类,由于光照等原因,有时应该属于一个物体的像素,其灰度值也会有很大的差别,可能导致对该像素的聚类发生错误.在分割结果中,该物体表面会出现一些不同于其它像素的噪声点,因此,算法的最后,对结果进行一次中值滤波,以消除噪声,达到平滑图像的作用-The K means algorithm for image segmentation, the input is a color imag
1
- 模式识别分层聚类、k—均值算法，支持向量机、线性判别、判别代码、ppt-Pattern recognition hierarchical clustering, k-means algorithm, support vector machines, linear discriminant, discriminant code, ppt
v
- matlab图像分割算法.风水岭算法.k-均值聚类变换-image segmentation algorithm matlab
kmeans
- 用MATLAB编写的K均值聚类用于图像分割-Written by K-means clustering MATLAB for image segmentation
FCM(Matlab)
- FCM K均值聚类算法的matlab实现 ，-FCM matlab
RBF-k
- RBF-k均值聚类算法的matlab程序和样本数据，可用于RBF-k均值聚类算法的仿真。-RBF-k-means clustering algorithm matlab program and sample data, can be used to simulate the RBF-k-means clustering algorithm.
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。
k_means
- 一般的常规的k均值聚类，源码，没有数据，随便输入一个数据体就可以(General conventional k-means clustering, source code, no data, just enter a data body can)
AP聚类
- AP聚类算法是基于数据点间的"信息传递"的一种聚类算法。与k-均值算法或k中心点算法不同，AP算法不需要在运行算法之前确定聚类的个数。(AP clustering algorithm is a kind of clustering algorithm based on "information transfer" between data points. Unlike the k- mean algorithm or the k center point
ABC-K-means
- 基于改进人工蜂群算法的K均值聚类算法-喻金平-郑杰-梅宏标，matlab(K-means clustering algorithm based on improved artificial bee colony algorithm-Yu Jinping-Zheng Jie-Mei Hongbiao, matlab)
IABC-KMC-master
- ABC蜂群算法含有K均值聚类的改进的算法(Improvement of ABC colony algorithm with K-means clustering)