搜索资源列表
模糊c-均值算法是模糊聚类
- 模糊c-均值算法是模糊聚类中最常见、应用最广泛的分析方法之一．经典FCM算法理论和应用的研究已经相当成熟，Bezdek业已证明算法的收敛性［6］，许多软件提供了多种方便的FCM工具箱(如Matlab中FCM工具箱等)．但是传统FCM算法处理的是普通数据集，不能直接处理区间数，得到的聚类原型也不是区间数．针对区间数，一种直觉的方法是分别对左区间值和右区间值作FCM，并把得到的聚类原型分别作为区间型聚类原型的左右区间值，但这种方法已经被证明是行不通的［6］-fuzzy c-means cluster
基于贝叶斯网络的半监督聚类集成模型
- 已有的聚类集算法基本上都是非监督聚类集成算法,这样不能利用已知信息,使得聚类集成的准确性、鲁棒性和稳定性降低.把半监督学习和聚类集成结合起来,设计半监督聚类集成模型来克服这些缺点.主要工作包括:第一,设计了基于贝叶斯网络的半监督聚类集成(semi-supervised cluster ensemble,简称SCE)模型,并对模型用变分法进行了推理求解;第二,在此基础上,给出了EM(expectation maximization)框架下的具体算法;第三,从UCI(University of Ca
遗传聚类
- 使用遗传算法优化Kmeans聚类过程，测试数据集都来源于UCI，很好理解，适合初学者。
wine数据集
- 专门用于做聚类分析使用的数据集
Clustering.zip
- 数据挖掘算法的实现，基于模糊聚类的最大树算法，数据集是darpa99,也就是KDD-CUP99中采用的数据集,The realization of data mining algorithms, based on fuzzy clustering of the largest tree algorithm, a data set is darpa99, which is used in KDD-CUP99 data set
matlab-functions
- ：在有限区域内分布的稀疏不均的、具有一定分布结构的海量数据集的高效、高精度聚 类问题是一个尚未完全圆满解决的难题。针对Affinity Propagation 聚类算法(AP)的不足之处， 提出了两个改进型的聚类算法-n limited areas of uneven distribution of sparse, has certain distribution structure of the mass datasets of high efficiency, high precis
UCI_arff
- 聚类算法经常要用到的数据集，UCI数据集，直接可以跑的数据集-Regular use of clustering algorithm to the data set, UCI data sets
kernel-ica
- 利用KICA实现聚类，里面含有数据集，可以进行测试-clustering with KICA
fuzzyPR
- 模糊聚类的经典算法，可以使用UCI数据集进行聚类，该程序附有详细的说明-Classical fuzzy clustering algorithm, you can use the UCI data sets clustering, the program is accompanied by a detailed descr iption of
wine
- pca-kmeans聚类 先将数据(wine,uci数据集)降维处理，在进行聚类-pca-kmeans clustering use the data of uci:wine.
Chameleon
- Chameleon算法是一种通过在合并两类时用更高 的标准来提高聚类质量的聚类算法,它既考虑了互连 性,又考虑了近似度,特别是簇内部的特征,因而能够 自动地适应被合并簇的内部特征,因此具有较强的发 现任意形状和任意大小簇的能力。Chameleon算法首 先由数据集构造成一个K-最近邻图Gk,再通过一个 图的划分算法将图Gk划分成大量的子图,每个子图 代表一个初始子簇,最后用一个凝聚的层次聚类算法 反复地合并子簇来找到真正的结果簇。 -Chameleon
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
Clustering.Algorithms.Research
- 软件学报 2008年论文《聚类算法研究》，作者孙吉贵, 刘杰, 赵连宇。pdf格式，14页。对近年来聚类算法的研究现状与新进展进行归纳总结.一方面对近年来提出的较有代表性的聚类算法,从算法思想、关键技术和优缺点等方面进行分析概括 另一方面选择一些典型的聚类算法和一些知名的数据集,主要从正确率和运行效率两个方面进行模拟实验,并分别就同一种聚类算法、不同的数据集以及同一个数据集、不同的聚类算法的聚类情况进行对比分析.最后通过综合上述两方面信息给出聚类分析的研究热点、难点、不足和有待解决的一些问题.上
DBSCAN聚类算法
- 本程序代码完整，需要自己设置两个参数，就能完成对数据进行DBSCAN聚类，得出聚类的点的坐标，所在的集群，以及是否是噪声点。我用这个代码完成了对只有经纬度信息的坐标点的聚类，亲测有效(This program code integrity, you need to set their own two parameters, you can complete the data for DBSCAN clustering, clustering point of the coordinates, w
python实现代码、测试数据集及结果
- 密度距离矩阵优化聚类算法python实现(Python implementation of density distance matrix optimization clustering algorithm)
chameleon-data.tar
- 人脸聚类常用数据集含有10*40张图片，pmg格式(The common dataset of face clustering contains 10*40 picture, PMG format)
irisdata
- 用于聚类的数据集。。。。。。。。。。。。。(Data sets for clustering)
数据集
- 本文件为常见聚类算法测试数据集 ，UCI上常用的聚类算法数据集(This document is a common clustering algorithm test data set.)
K-means聚类
- 应用K-means聚类算法，实现对iris数据集的分类(Using K-means clustering algorithm to realize the Classification of iris dataset)
DBSCAN
- 名称：DBSCAN经典聚类算法 功能：聚类数据集 类别：密度聚类算法(Name: DBSCAN Classic Clustering Algorithm Function: Clustering dataset Category: Density Clustering Algorithm)