搜索资源列表
dbscan
- 一个很好的密度聚类算法，能够运行。是学习Dbscans密度聚类算法的好例子。-this is a good gramer.
jzpy
- 均值漂移算法应用于一维随机数据的聚类，漂移到其密度极大值-Mean shift clustering algorithm applied to the one-dimensional random data, drift to the density maxima
KNN
- K最邻近密度估计分类,K最邻近密度估计技术是一种分类方法，不是聚类方法。-K nearest neighbor classification density estimation, K nearest neighbor density estimation technique is a classification method, not the clustering method.
orthogonal-density-of-a-image
- 计算图像的正交多项式密度，可以根据此图确定分割图像聚类个数，更加详细的图像信息-calculate orthogonal density of a image and determine how many part if we want to segemente the image
PeopleDensitydll
- 视频图像的人群密度检测，多种人群密度场景下人群计数算法： 算法功能:建立图像特征和图像人数的数学关系 算法输入:训练样本图像1,2…K 算法输出:模型估计参数 ，参考图像 算法流程：1)对训练样本图像进行分块处理(算法1.1)； 2)通过算法1.2，计算训练样本各个对应分块的ALBP特征归一化，再用K-means算法(可使用opencv等算法库实现，不再描述其算法)，将图像块分成k(k<K)类，获取k(k<K)个聚类中心，即为参考图像； 3)对分块的图像进行与
hieararchical-clustering
- 基于核密度估计的层次聚类算法 -hierarchcial clustering with kernel density estimation
kde
- 核密度估计,matlabkernel density estimation是在概率论中用来估计未知的密度函数，属于非参数检验方法之一，由Rosenblatt (1955)和Emanuel Parzen(1962)提出，又名Parzen窗（Parzen window）。Ruppert和Cline基于数据集密度函数聚类算法提出修订的核密度估计方法。-kernel density estimation
DBSCAN
- dbsan密度聚类算法matlab代码功能函数-Dbsan density clustering algorithm matlab code function function
44310824
- DBSCAN是一个基于密度的聚类算法,改算法将具有足够高度的区域划分为簇-DBSCAN is a density based clustering algorithm, the algorithm will have enough height area is divided into clusters
879810
- DBSCAN是一个基于密度的聚类算法,改算法将具有足够高度的区域划分为簇-DBSCAN is a density based clustering algorithm, the algorithm will have enough height area is divided into clusters
fv53
- DBScan基于密度的聚类分析，聚类聚类聚类聚类聚类(DBScan clusterDBScanDBScanDBScanDBScan)
Slic
- SLIC主要运用K-means聚类算法进行超像素的处理，聚类算法中的距离度量不仅仅包括颜色空间的颜色距离还包括像素坐标的欧氏距离。所以K-means聚类的中心点由五维向量组成。其中包括，记录LAB颜色空间下的像素以及该像素点的XY坐标，由于XY坐标不能和颜色空间直接进行计算，所以添加了一个紧密度的参数。(slic superpixelSLIC mainly uses the K-means clustering algorithm for ultra pixel processing, the
divnted-the
- DBSCAN是一个基于密度的聚类算法,改算法将具有足够高度的区域划分为簇(DBSCAN is a density based clustering algorithm, the algorithm will have enough height area is divided into clusters)
DPC
- DPC算法的经典实现过程，包含元数据集、决策图以及2维条线下密度聚类(The classical implementation process of DPC algorithm includes metadata set, decision diagram and 2 dimensional lower density clustering)
fsfdp
- 发表在science上的论文《Clustering by Fast Search and Find of Density Peaks》的matlab实现代码(The code that implement the paper "Clustering by Fast Search and Find of Density Peak" from "Science")
realtimesuperpixel-master
- 运用基于密度的聚类算法实现了超像素的分割(The segmentation of super pixels is realized by using the clustering algorithm based on density)