搜索资源列表
K-mean聚类的原理和MapReduce实现
- K-mean聚类的原理和MapReduce实现
matlab-code
- 模式识别c均值聚类，也陈k均值，是模式识别中最最要的聚类方法之一。-Pattern Recognition, c-means clustering, and Chen k means, is far the most to the clustering pattern recognition methods.
classification
- 基于K均值算法的模糊分类器具有很好的分类效果,用它可以很准确的对训练样本进行分类. 此方法是将K均值算法应用于训练数据的聚类,对每个聚类的半径和聚类的中心都是可计算的. 而模糊系统设计方法就是用模糊度来描述聚类, 对训练数据进行高效且准确的分类.-based on K-mean Algorithm,it can Classify the original data very well!
clustersuvey
- 讲解了分层次聚类法、最简单聚类法、最大距离样本、K平均聚类法、叠代自组织聚类法、ISODATA法的改进等-Explain the hierarchical clustering method, the simplest clustering method, the maximum distance the sample, K mean clustering method, self-organizing clustering iterative method, ISODATA method of
k-junzhi
- 通过对K-均值算法的编程实现，加强对该算法的理解和认识。提高自身的知识水平和编程能力，认识模式识别在生活中的应用。 算法思想K-均值算法的主要思想是先在需要分类的数据中寻找K组数据作为初始聚类中心，然后计算其他数据距离这三个聚类中心的距离，将数据归入与其距离最近的聚类中心，之后再对这K个聚类的数据计算均值，作为新的聚类中心，继续以上步骤，直到新的聚类中心与上一次的聚类中心值相等时结束算法。-By programming K- means algorithm implementation, s