大桔灯文库logo

下载提示:1. 本站不保证资源下载的准确性、安全性和完整性,同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
2. 本文档由用户上传,版权归属用户,大桔灯负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。

相关文档

  • K-.ppt

    单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级商业自动化主讲教师:陈冬林第十二讲 DM之聚类数据挖掘技术(二)武汉理工大学经济学院陈冬林Wednesday April 13 2022目录七K聚类算法对比分析及改进八层次聚类算法九异常情况分析 十聚类好坏的标准 十一聚类应用分析二对下面一组产品采用k-中心点方法进行聚类计算要求:1.进行归一化   2.聚类计算(计算到第3步

  • K算法.docx

    #

  • K算法.doc

    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:using Systemusing using using using using namespace KMean_win{ ?? Form1 的摘要说明 public class Form1 : .Form { 必需的设计器变量 private .Contai

  • K-MEANS(K算法C算法).pptx

    单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级??无忧PPT整理发布2.13.2The k-Means Algorithm(K-均值聚类算法)主讲内容算法性能分析算法改进算法简介算法应用算法要点算法描述算法实例ISODATA算法gapstatistics算法简介 k-means算法也被称为k-平均或k-均值是一种得到最广泛使用的聚类算法 它是将各个聚类子集内的所有数据样本

  • 算法杂货铺——k(K-means).docx

     HYPERLINK :blogsleoo2skarchive20100920k-means 算法杂货铺——k均值聚类(K-means)2010-09-20 20:05 by EricZhang(T2噬菌体) 3664 visits  HYPERLINK :blogsleoo2skarchive20100920k-me

  • K算法加源码.doc

    模式识别导论K均值聚类算法实验报告实验功能本实验功能与目的是实现K—均值聚类算法将Iris.txt文件中的数据用K—均值聚类的方法分为三类分类结果用该数据的数据编号表示子函数列表参数说明程序中使用到了三个子函数void fileop(category p)文件打开读入结构体函数函数功能:将Iris.txt文件打开把数据从文件中读出存入定义的结构体每个向量的分量存入结构体的对应元素中取值结束后

  • K算法优缺点.doc

    J.B.MacQueen 在 1967 年提出的K-means算法[22]到目前为止用于科学和工业应用的诸多聚类算法中一种极有影响的技术它是聚类方法中一个基本的划分方法常常采用误差平方和准则函数作为聚类准则函数误差平方和准则函数定义为: (3-1)其中 是类 中数据对象的均值即 (j=12…n) 是K个聚类中心分别代表K个类K-means

  • 基于K-算法-毕业论文.doc

    成绩本科毕业论文(设计)题目:基于K-均值聚类算法的彩色图像分割改进算法教务处制二○一二年六月Created with an evaluation copy of Aspose.Words. To discover the full versions of our APIs please visit: :products.asposewordsCreated with an

  • K_法.doc

    K-均值聚类法 0聚类是对数据空间中数据对象进行分类位于同一类中的数据对象之间的相似度较大而位于不同类之间的数据对象差异度较大聚类是一种无监督学习能自动对数据集进行划分常见的聚类算法:k-meansDBSCANCURE等算法 简单地讲聚类的结果就是得到数据集中数据对象的类别信息例如将以下几种物品玫瑰红枫松树老虎大象绵羊等进行聚类就应该得到

  • MATLAB源码.doc

    遗传算法改进的模糊C-均值聚类MATLAB源码function [BESTXBESTYALLXALLY]=GAFCM(KNPmLBUBDcm)此函数实现遗传算法用于模糊C-均值聚类 输入参数列表 K ? ? 迭代次数 N ? ? 种群规模要求是偶数 Pm ? ? 变异概率 LB ? ? 决策变量的下界M×1的向量 UB ? ? 决策变量的上界M×1的向量 D ? ? 原始样本数据n×p的矩阵

违规举报

违法有害信息,请在下方选择原因提交举报


客服

顶部