搜索资源列表
wkmeans
- 加权k均值算法，或者称为加权C均值聚类算法
YE
- 在原始的fcm算法基础上，对算法中的聚类数c和加权指数m给出优选方法，进而而出了fcm参数优选自适应算法，通过人造数据与具有实际背景的数据验证可以看出该算法是有效的，该算法不但可以自适应的给出最佳的聚类数，而且可以验证聚类的有效性，达到最佳聚类的目的。-In the original fcm algorithm based on the number of clusters on the algorithm and the weighted index m given c preferred m
imagefusion
- 提出了一种基于多通道 Gabo r滤波器和 FCM聚类的图像融合新方法。该方法先利用模糊 C2均值聚类算法在多通道 Gabo r滤波器形成的特征空间上对图像进行区域分割 再对待融合图像进行多尺度小波分解 在此基础上利用 Gabo r滤波器提取高频段纹理特征构造区域相似度 ,应用区域相似度及信息量构造加权因子 ,从而得到融合图像的小波系数 最后 ,利用小波逆变换得到融合图像.-Proposed a multi-channel Gabo r filter and FCM clustering f
the-distance
- 以计算样本点到聚类中心的距离为例，学到matlab中矩阵在加权指数,迭代次数和误差的相关应用-Sample points to calculate the distance to the cluster center, for example, learn matlab in the matrix in the weighted index, the number of iterations and errors related applications
fcmC
- 在原始的 fcm 算法基础上，对算法中的聚类数 c 和加权指数 m 给出优选方法， 进而而出了 fcm 参数优选自适应算法，通过人造数据与具有实际背景的数据验证可以看出 该算法是有效的，该算法不但可以自适应的给出最佳的聚类数，而且可以验证聚类的有效性， 达到最佳聚类的目的-Fcm algorithm in the original, based on the number of clustering algorithms and the weighted index m given
An-Improved-Mean-Shift-Algorithm
- 奉文主要针对经典的Mean Shift跟踪算法均匀剖分整个颜色空间造成许多空的直方图区间以及不能准确表达目标 颜色分布的缺点，提出J，一种改进算法．该改进算法首先对目标的颜色进行聚类分析，根据聚类结果通过矩阵分解和正交变换 自适席地剖分日标的颜色空间从向确定对戍于每一聚类的子空间．在此基础上定义 一种新的颜色模型，该模型统计落入每 一颜色子空间的像素的加权个数并用高斯分布建模每一个子空间的颜色分布，并推导r一种相似性度量米比较目标和候选目 标的颜色模型之间的相似程度．最后基于该颜
entati
- 非局部加权模糊C均值聚类图像分割Non-locally weighted fuzzy C-means image segmentation-Non-locally weighted fuzzy C-means image segmentation
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
FCM_synthetic_control.data
- 1. Synthetic Control Chart Time Series合成控制图时间序列 a) 数据集描述：该数据集包含600个实例，属性个数为6，已知分为6类。 b) 参数选择： 聚类数为6 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. Synthetic Control Chart Time Series Synthetic Control Chart Time sequence
Kmeans
- Kmeans 算法是聚类分析中使用最为广泛的算法之一，其每个类别均用该类中所有数据的平均值(或加权平均)来表示，这个平均值即被称作聚类中心。该方法虽然不能用于 类别属性的数据，但对于数值属性的数据，它能很好地体现聚类在几何和统计学上的意义。-Kmeans algorithm is the most widely used cluster analysis algorithm, each category with the average of all data in the class (
psocluster
- 改进的微粒群算法来聚类高维数据，重点解决了变量加权问题，聚类质量较高。-Improved particle swarm algorithm to cluster high dimensional data, focused on solving the problem of variable weighting and clustering of high quality
Ikmeanssm
- 改进的k-means方法，对聚类的实例节能型加权 少数类多数类的函数-Improved k-means clustering instance, energy-efficient weighted minority class and majority class of functions
fourdirectionedge2
- 将用双线性插值归一化后的图像用2*2的窗口扫描加权方向的边缘图，用改进的模糊C均值聚类算法将图像聚类成为候选文字区域和非文字区域。-Bilinear interpolation owned by an after image edge map with 2* 2 the window scanned weighted direction, image clustering with improved fuzzy C-means clustering algorithm to become the
wCoFKM
- 基于加权的中心化多视角聚类算法，matlab源码，可以找相关文章wCoFKM-Based on the center of the multi-angle weighted clustering algorithm, matlab source code, you can find related articles wCoFKM
C_SelfAdapt_fcm
- 对算法中的聚类数 c 和加权指数 m 给出优选方法，进而而出了 fcm 参数优选自适应算法-The clustering algorithm and the number of c-weighted index m gives the preferred method, and then out of the adaptive parameter optimization algorithm fcm
WFCM
- 样本加权模糊聚类，可用于各种功能，只需改变输入即可-Sample weighted fuzzy clustering can be used for various functions, simply by changing the input to
wwww
- 样本加权模糊聚类，可用于各种功能，只需改变输入即可-Sample weighted fuzzy clustering can be used for various functions, simply by changing the input to
Code-Segmentation
- 基于WFCM的最优阈值图像分割 阈值化是图像分割中广泛应用的一种有效工具。基于类别可分性准则的Otsu法是性能良好且受到普遍欢迎的自动阈值选择方法。Otsu方法与c均值聚类算法的准则在一定条件下是等价的，而c均值聚类算法还可以快速实现分割问题。目前人们提出了很多基于c均值聚类准则的图像阈值化方法，其中模糊c均值（FCM）是最流行的算法之一。但是FCM算法没有考虑样本矢量间对聚类效果的不同影响，因而使用加权模糊c均值（WFCM）来解决这个问题。-Optimal threshold image se
K-means
- K-means算法,一种聚类方法，其每个类别均用该类中所有数据的平均值（或加权平均值）来表-K-means Algorithm
fdywfpvm
- 包括 MUSIC算法，ESPRIT算法 ROOT-MUSIC算法，相控阵天线的方向图（切比雪夫加权），基于互功率谱的时延估计，最大信噪比的独立分量分析算法，基于欧几里得距离的聚类分析。- Including the MUSIC algorithm, ESPRIT algorithm ROOT-MUSIC algorithm, Phased array antenna pattern (Chebyshev weights), Based on the time delay estimation o