搜索资源列表
kmeans
- 这是基本的k均值算法是模式识别的聚分类问题，这是用C实现其算法以下是程序源代码，希望对大家有所帮助。-This is the basic k-means algorithm is a pattern recognition classification of polyethylene, which is used to achieve its algorithm C Following is the source code, I hope all of you to help.
K-means
- 简单实用的k均值聚类算法，可以实现多位向量的简单聚类-Simple and practical k-means clustering algorithm, can achieve more than a simple vector clustering
GA1E1
- 用Ｋ均值和遗传算法实现了半监督聚类算法，这是个一个已经发表的论文的源程序-Using K-means and genetic algorithm to achieve a semi-supervised clustering algorithm, this is a paper published source
knear
- K均值算法，用于聚类，程序写得比较好，容量读-K means algorithm for clustering, procedures written better, capacity Reading
bufengtouzhen
- 布冯投针 找一根铁丝弯成一个圆圈，使其直径恰恰等于平行线间的距离d。可以想象得到，对于这样的圆圈来说，不管怎么扔下，都将和平行线有两个交点。因此，如果圆圈扔下的次数为n次，那么相交的交点总数必为2n。 现在设想把圆圈拉直，变成一条长为πd的铁丝。显然，这样的铁丝扔下时与平行线相交的情形要比圆圈复杂些，可能有4个交点，3个交点，2个交点，1个交点，甚至于都不相交。 由于圆圈和直线的长度同为πd，根据机会均等的原理，当它们投掷次数较多，且相等时，两者与平行线组交点的总数可望也是一样的。这就是说，
k
- k均值算法，数据挖掘里面比较基础的算法，实现类聚-k-means algorithm, which based on the comparison of data mining algorithms to achieve clustering
K-means
- KMeans算法，经典的数据挖掘算法，设置了三个中心点，初始化是采用读取数据集的三个点作为中心的。-KMeans Algorithm, it is very famous data mining algorithm, i set three center, and it was initialed by the data we classify.
kmean
- 实现了K-均值算法，并有简单的案例实现，简单易懂-K- means algorithm implements, and there is a simple case of realization, easy to understand
ClusterAnalysis_2014.11.4
- 模式识别的聚类分析。K均值聚类算法是先随机选取K个对象作为初始的聚类中心。然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。一旦全部对象都被分配了，每个聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，误差平方和局部最小。-Pattern recognition clustering