搜索资源列表
SOFM
- SOFM(自组织特征映射)：这种算法部分收到生物特征影响，在网络输出层内按几何中心或特征进行聚类。-SOFM (self-organizing feature map) : This algorithm received some biological features, the output layer to the network within the geometric center or cluster features.
isogroup032
- 两个聚类中心之间的最小距离，如小于此数，两个聚类进行-two cluster centers between the minimum distance, as tens of thousands of small, two Clustering
k_algorithm034
- 计算两个向量间的欧氏距离，初始化聚类中心,参数设定默认值 -two vector calculation of Euclidean distance, initialize the cluster center, parameter set default values
ju
- 一个CURE聚类算法 应用了K中心点算法 采用空间坐标聚集 -a clustering algorithm is applied to the K-center space coordinates is used to gather
KClustering
- 能计算用户输入的聚类，并进行K分。 输出的结果为每次计算的中心点的坐标和每个点到中心的距离
gaussmix
- 混合高斯模型 对于给定的数据，可以自动选择最佳聚类数目和聚类中心，并根据判决规则进行收敛，运算很快，非常方便
kmean
- k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。-k-means algorithm process as follows: First of all, the object data from the n choose k
k_means
- k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。-In statistics and machine learning, k-means clustering is a method of cluster analysis which aims to partition n observations into
KMEANS
- 实现k均值聚类算，输出聚类中心和聚类后的分组结果-To achieve k-means clustering calculation, the output cluster centers and cluster grouping of the results of post-
k-means-clustering
- 用C语言程序通过先随机选取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。-C Programming Language by first randomly selected the K object as initial cluster centers. And then calculate the distan
K-means
- 修改参数可以实现任意样本总数，任意维数，任意聚类中心个数的K-Means Algorithm-The modify parameters can achieve any total number of samples, any dimension, any number of cluster centers K-Means Algorithm
em
- EM算法，用于实现数据集的聚类，这个是已经改进了的EM算法通过统计找到中心点再进行迭代。-EM algorithm for clustering data sets, this is the EM algorithm has been improved through the statistics to find the center of the re-iteration.
src
- k-means 算法接受参数 k ；然后将事先输入的n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。-k-means algorithm accepts parameters k n and the previously input data is divided into k-clustering objects in order to make
Kmeans
- 该算法是实现Kmean聚类算法。包含初始聚类中心，聚类成员列表，最终聚类中心，最终聚类中心的距离，方差分析表，每个聚类中的案例数。-The algorithm is a clustering algorithm to achieve Kmean. Contains the initial cluster centers, cluster membership list, the final cluster centers the final cluster centers, ANOVA tab
FCM,模糊C均值聚类的MATLAB实现[matlab]-FCM
- 模糊c-均值聚类算法 fuzzy c-means algorithm (FCMA)或称（ FCM）。在众多模糊聚类算法中，模糊C-均值（ FCM） 算法应用最广泛且较成功，它通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的。(Fuzzy c-means algorithm (FCMA) or FCM. Among many fuzzy clustering algorithms, the fuzzy C-means (FCM) algor