搜索资源列表
MyKmeans
- 实现聚类K均值算法： K均值算法：给定类的个数K，将n个对象分到K个类中去，使得类内对象之间的相似性最大，而类之间的相似性最小。 缺点：产生类的大小相差不会很大，对于脏数据很敏感。 改进的算法：k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用，这样的一个medoid就标识了这个类。步骤： 1，任意选取K个对象作为medoids（O1,O2,…Oi…Ok）。 以下是循环的： 2，将余下的对象分到各个类中去（根据与medoid最相近的原则）； 3，对于每个类（Oi）
compact3
- 自己写的高精度紧致差分格式，包括 Pade格式(FST) 二阶精度中心格式(SLW) 二阶精度迎风格式(MXD) 宽网格基二阶精度中心格式(SLW) 五阶精度迎风紧致格式(MXD) 写成C＋＋类，使用VC6.0环境，计算数据文件可用tecplot画图。 -himself wrote the compact high-precision differential format including Pade format (FST) second order accurac
feidian
- 很好的，可以 3多媒体应用领域 • 多媒体出版 • 多媒体办公自动化系统 • 计算机会议 • 多媒体信息查询系统 • 交互式电视与视频点播 • 交互式影院与数字化电影 • 数字化图书馆 • 家庭信息中心：回家工作 • 远程教育 • 远程医疗 • 计算机支持下的协同工作（Computer Supported Cooperative Work） • 媒体
MFY_kmeans
- 这是我帮一个本科生做的毕业设计，实现的数据挖掘的k均值和k中心算法，其中包含了我做的两个二维的数据集，感觉要预先知道k的参数值，不是很方便-This is what I do to help an undergraduate graduation Design, Implementation of the data Mining mean k and k center algorithm, which includes me to do two two-dimensional data sets
KMedios.rar
- 数据挖掘中 K中心点算法 测试数据为iris 数据库采用sql server 聚类算法,data mining algorithms in test data for the K center iris database using sql server clustering algorithm
tenlei
- function [U,center,result,w,obj_fcn]= fenlei(data) [data_n,in_n] = size(data) m= 2 ％ Exponent for U max_iter = 100 ％ Max. iteration min_impro =1e-5 ％ Min. improvement c=3 [center, U, obj_fcn] = fcm(data, c) for i=1:max_iter if
Dijkstra
- 最短路径的Dijkstra算法程序。Dijkstra算法是典型最短路算法，用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。Dijkstra算法能得出最短路径的最优解，但由于它遍历计算的节点很多，所以效率低。 Dijkstra算法是很有代表性的最短路算法，在很多专业课程中都作为基本内容有详细的介绍，如数据结构，图论，运筹学等等。 -The Dijkstra shortest path algorithm for the proce
MUSIC
- 目标相对各子阵中心的方位角和俯仰角，在后面为了验证程序正确与否，只用了第一阵 即第一列数据进行计算，是四元十字阵-Goal of the relative center of the subarray azimuth and pitch angle, in the back of the verification process in order to correct or not, only the first burst of the first column of data that
OFDM_m
- 完整的OFDM链路程序并作了较为具体的解析从基本的bpsk,qpsk,qam到实际的ofdm系统，cdma链路，mac层仿真分析.-Orthogonal frequency division multiplexing (OFDM) is becoming the chosen modulation technique for wireless communications. OFDM can provide large data rates with sufficient robustn
K-meansNB
- ：将K—means算法引入到朴素贝叶斯分类研究中，提出一种基于K—means的朴素贝叶斯分类算法。首先用K— me．arks算法对原始数据集中的完整数据子集进行聚类，计算缺失数据子集中的每条记录与 个簇重心之间的相似度，把记 录赋给距离最近的一个簇，并用该簇相应的属性均值来填充记录的缺失值，然后用朴素贝叶斯分类算法对处理后的数据 集进行分类。实验结果表明，与朴素贝叶斯相比，基于K—means思想的朴素贝叶斯算法具有较高的分类准确率。-: K-means algorithm will
LabVIEWqixiang
- 本Demo为模拟现实中分布式气象站和气象数据中心的功能，在程序中使用了Weather data.vi来产生分布式数据，通过datasocket将仿真数据发送至主程序Weather_station_main.vi进行实时显示和存储。-The Demo to simulate real life distributed weather stations and meteorological data center functions in the program used to generate W
weixingzhuanfaqi
- 仿真一个从卫星到区域数据中心的下行链路（由一组6个载波构成），评估热噪声，交调（IM）失真、由滤波器引起的码间干扰（ISI）以及临频干扰对下行链路性能的影响。-Simulation of a regional data center from the satellite to the downlink (from a group of six carrier composition) to assess the thermal noise, intermodulation (IM) distor
feisher
- PCA的步骤： 1 先将数据中心化； 2 求得的协方差矩阵； 3 求出协方差矩阵的特征值与特征向量； 4 将特征值与特征向量进行排序； 5 根据要降维的维数d’,求得要降维的投影方向； 6 求出降维后的数据； -PCA steps: 1 of the first data center 2 covariance matrix obtained 3 obtained covariance matrix eigenvalues and eigenvectors 4
select-max-from-min
- 模式识别中的最大最小距离算法，这程序处理二维数据，我发现网上的程序都是设置一个很大的数组，但本程序是无论多少数据样本都可以处理的。结果存放在两个数组中，z数组存放中心数据，r数组的cente是样本所属的S-Maximum and minimum distance algorithm in pattern recognition, this program deal with two-dimensional data, I found the online program are set to a
data4cluster-with-the-data
- 本例子附带数据通过K中心点聚类算法，将案例聚成4类，并计算相似性矩阵，用logrank函数检验P值-The example of incidental data by K center point clustering algorithm, the case clustered into four categories, and calculate the similarity matrix logrank function test P value
kmeans1
- K-means算法，算法步骤如下： Step1.利用式(2)计算距离矩阵D=()，其中=dist[i, j] ()； Step2.扫描坐标距离矩阵D，寻找距离的最大值和最小值，用式(3)计算limit； Step3.扫描坐标距离矩阵D，寻找矩阵中距离最小的2个数据a，b，将数据a，b加入集合，={a,b}，同时将数据a，b从U中删除，更新距离矩阵D； Step4.利用 (4)式在U中寻找距离集合最近的数据样本t，如果小于limit，则将t加入集合，同时将t从集合U中删除，更新
center
- 一个简单的在预处理时用来对数据进行进行中心化的可用函数-A simple preprocessing used in the data center of the available functions performed
Processdata
- 以数据分割为中心进行探讨对数据进行分割，可缩小待访问数据对象的范围或磁盘空间，提高检索性能，把分割后的数据放到不同的磁盘上，提高数据库并行访问的能力-To split the data into the data center to explore split, the data object to be accessed can be reduced scope or disk space to improve the retri performance, the data is divid
rbf
- 自己编写RBF神经网络程序，RBF神经网络隐层采用标准Gaussian径向基函数，输出层采用线性激活函数，其中数据中心、扩展常数和输出权值均用梯度法求解，它们的学习率均为0.001。其中隐节点数选为10，初始输出权值取[-0.1，0.1]内的随机值，初始数据中心取[-1，1]内的随机值，初始扩展常数取[0.1，0.3]内的随机值，输入采用[0 1]的随机阶跃输入(Write your own RBF neural network, RBF neural network hidden layer
commons-math3-3.6.1-bin
- 该平台用于进行云环境的仿真实验平台，在该平台上可以创建虚拟机和云数据中心，并且能够进行虚拟机迁移实验或能耗实验等。该文件补充的一些数学算法(The platform is used for simulation experiment platform of cloud environment. On this platform, virtual machine and cloud data center can be created, and virtual machine migration