搜索资源列表
fastapcluster.zip
- 改进的邻近聚类方法，比k-means 和模糊c均值聚类好
kmean
- 包括K-均值聚类算法的思想介绍，kmeans的MATLAB代码，c语言代码、c++代码。-Including the K-means clustering algorithm introduced the idea, kmeans of MATLAB code, c language code, c++ code.
K-meansclusteringalgorithmprogram
- 模式识别课程上用C++语言编写的K-均值算法对150个样本进行分类。-Course on pattern recognition using C++ language of the K-means algorithm to classify the 150 samples.
proj10-01
- 在试验中编写程序实现了K均值聚类算法,K均值聚类的原理是：在训练样本中找到C个聚类中心，每个聚类中心代表一个类的中心。然后将样本归类到与其最近的聚类中心的那一类。 C的选择是通过先验知识或经验选取的。聚类中心是通过算法迭代求得的。-In the test preparation process to achieve a K means clustering algorithm, K means clustering principle is: in the training samples to
fuzzy_k_means
- 模糊K均值算法实现。Fuzzy K Means algorithm.-Fuzzy K Means algorithm.
NewK-means-clustering-algorithm
- 珍藏版，可实现，新K均值聚类算法，分为如下几个步骤： 一、初始化聚类中心 1、根据具体问题，凭经验从样本集中选出C个比较合适的样本作为初始聚类中心。 2、用前C个样本作为初始聚类中心。 3、将全部样本随机地分成C类，计算每类的样本均值，将样本均值作为初始聚类中心。 二、初始聚类 1、按就近原则将样本归入各聚类中心所代表的类中。 2、取一样本，将其归入与其最近的聚类中心的那一类中，重新计算样本均值，更新聚类中心。然后取下一样本，
k_mean
- 在聚类分析中，K-均值聚类算法（k-means algorithm）是无监督分类中的一种基本方法，其也称为C-均值算法，其基本思想是：通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。 -In cluster analysis, K-means clustering algorithm (k-means algorithm) is unsupervised classification is a basic method, which is also known as C
jlfx
- matlab聚类分析的几个例程 包括系统聚类的法案分析 K均值聚类的法的案例分析 模糊C均值聚类分析的典型案例-matlab clustering analysis of several routines, including hierarchical clustering analysis of K-means clustering Act case law analysis of typical cases Fuzzy C-Means Clustering Analysis
聚类分析程序
- 聚类分析程序 包括系统聚类 样品系统聚类 变量系统聚类 K均值聚类 模糊C均值聚类(Cluster analysis program)