搜索资源列表
cluster
- 对iris数据进行聚类分析的java源程序
k-means-iris
- 针对著名的UCI机器学习数据库中的iris data的kmeans聚类分析程序，具有代表性-For the well-known UCI machine learning repository of the iris data of kmeans cluster analysis procedure, a representative
moshishibie
- 先用C-均值聚类算法程序，并用下列数据进行聚类分析。在确认编程正确后，采用蔡云龙书的附录B中表1的Iris数据进行聚类。然后使用近邻法的快速算法找出待分样本X（设X样本的4个分量x1=x2=x3=x4=6；子集数l=3）的最近邻节点和3-近邻节点及X与它们之间的距离。-First C-means clustering algorithm procedures and with the following data for cluster analysis. After confirming t
Cluster
- 使用分解聚类算法在IRIS数据上进行聚类分析，IRIS数据是由鸢尾属植物的三种单独的花的测量结果所组成，模式类别数为3，特征维数是4，每类各有50个模式样本，总共有150个样本。-The use of decomposition in the IRIS data clustering algorithm on the cluster analysis, IRIS data are from the iris flower three separate components of the meas
C-means
- 使用c-均值聚类算法在IRIS数据上进行聚类分析，随机选择三个初始聚类中心，经过多次迭代，最终将150个样本分为三类。-Use c-means clustering algorithm in the IRIS data on the cluster analysis, three randomly chosen initial cluster centers, through a series of iterative, 150 samples will eventually fall into
Iris2
- matlab写的自己设计的自适应网络做iris聚类分析并分类的实验，算法不是很稳定，有一定参考价值-matlab write ,adaptive cluster analysis and classification of iris experiment, the algorithm is not very stable and have a certain reference value
ex-12
- K-Means.java K-means分群法(組數資料皆不固定，開小視窗選檔案:A or B or iris，10 runs + output至Excel)-K-Means.java K-means grouping method (the number of data groups, none is fixed, to open a small window, select the file: A or B or iris, 10 runs+ output to Excel)
meimei
- matlab聚类分析方法，利用c均值方法对IRIS数据进行聚类分析-matlab cluster analysis methods using c mean clustering analysis of IRIS data
Cmeansclusteringmethods
- 本算法在vc++6.0中进行实验。分别就分解聚类和C-均值聚类两种方法在IRIS数据集上进行操作。分类前先将数据集中的样本顺序打乱形成混合数据。分解聚类中，采用前100个样本用对分法编制程序将数据分为两类。C-均值聚类采用全部的150个样本，将类别参数K设为3，将数据分为三类。-The algorithm in vc++6.0 in the experiment. Separate cluster and decomposition of two C-means clustering metho
kmeans
- 使用K－均值聚类算法在IRIS数据上进行聚类分析.-K-means clustering algorithm using IRIS data in the cluster analysis.
CMean-CPP
- 使用c－均值聚类算法在IRIS数据上进行聚类分析-C-means clustering algorithm using IRIS data in the cluster analysis
FCM_iris
- 2. iris鸢尾植物数据 a) 数据集描述：该数据集包含150个实例，属性个数为4，已知分为3类。 b) 参数选择： 聚类数为3 加权指数m=2 最大迭代次数为1000，隶属度最小变化量1e-5 -1. Iris iris plant data A) data set descr iption: the data set contains 150 examples, the number of attribute
c
- 用C-均值聚类的方法对Iris数据进行聚类分析-Cluster analysis using C-means clustering method on the Iris data
BFO-cluster
- 基本的细菌觅食聚类程序，测试数据集为IRIS数据集。-The basic bacterial foraging clustering procedure, the test data set for the IRIS data set.
Umoshishibies
- 先用C-均值聚类算法程序，并用下列数据进行聚类分析。在确认编程正确后，采用蔡云龙书的附录B中表1的Iris数据进行聚类。然后使用近邻法的快速算法找出待分样本X（设X样本的4个分量x1=x2=x3=xx4=6；子集数l=3）的最近邻节点和3-近邻节点及X与它们之间的距离.-C-means clustering procedure, and the following data and cluster analysis. Confirm the programming is correct, Ca
Cluster
- 使用k-means、k-media、层次聚类方法，并通过iris数据集测试-Using k-means, k-media, hierarchical clustering method, and through the iris data set test
Cluster
- 对iris数据进行聚类，能够得到每类的具体数据信息-Clustering of iris data, can be specific for each type of data
AP-Cluster
- AP聚类算法的C++代码实现，其中数据是文本读入iris数据，P值选取欧式矩阵最小值。显示结果为聚类后结果-AP clustering algorithm C++ code, in which data is read into the text iris data, P values selected European matrix minimum. Showing results clustering results after
k-means-iris
- 运用k-means算法对IRIS数据集进行聚类分析-K-means algorithm is appliled to do cluster analysis for IRIS dataset.
k_means
- 利用K均值算法对Iris数据集进行聚类，实现Iris数据集的无监督学习。(K-means algorithm is used to cluster iris data set to realize unsupervised learning.)