搜索资源列表
KMM
- 针对传统快速k-近邻分类算法的缺陷,提出了一种基于近邻搜索的快速k-近邻分类算法———超球搜 索法。该方法通过对特征空间的预组织,使分类在以待分样本为中心的超球内进行,有效地缩小了搜索范围。 -Rapid response to traditional k-neighbors of the defect classification algorithm, a fast search based on neighbor k-neighbor classification algorithm
k
- 中括号内的序号为寻找聚类中心的迭代运算的次序号。聚类中心的向量值可任意设定，例如可选开始的K个模式样本的向量值作为初始聚类中心。-The number in brackets in order to find the cluster centers iteration sequence number. Cluster center value can be set to, for example, the beginning of an optional mode of samples to t
Random-center---segma
- k mean cluster for radial basis function neural network
k-junzhi
- 通过对K-均值算法的编程实现，加强对该算法的理解和认识。提高自身的知识水平和编程能力，认识模式识别在生活中的应用。 算法思想K-均值算法的主要思想是先在需要分类的数据中寻找K组数据作为初始聚类中心，然后计算其他数据距离这三个聚类中心的距离，将数据归入与其距离最近的聚类中心，之后再对这K个聚类的数据计算均值，作为新的聚类中心，继续以上步骤，直到新的聚类中心与上一次的聚类中心值相等时结束算法。-By programming K- means algorithm implementation, s
Chapitre-03
- The preparation of this paper was supported by funding the U.S. Department of Education (ED), Office of Vocational and Adult Education (OVAL), under Contract No. ED-00-CO-0130. The opinions expressed in this report do not necessarily reflect th