搜索资源列表
moshishibie
- 先用C-均值聚类算法程序，并用下列数据进行聚类分析。在确认编程正确后，采用蔡云龙书的附录B中表1的Iris数据进行聚类。然后使用近邻法的快速算法找出待分样本X（设X样本的4个分量x1=x2=x3=x4=6；子集数l=3）的最近邻节点和3-近邻节点及X与它们之间的距离。-First C-means clustering algorithm procedures and with the following data for cluster analysis. After confirming t
C-means
- 使用c-均值聚类算法在IRIS数据上进行聚类分析，随机选择三个初始聚类中心，经过多次迭代，最终将150个样本分为三类。-Use c-means clustering algorithm in the IRIS data on the cluster analysis, three randomly chosen initial cluster centers, through a series of iterative, 150 samples will eventually fall into
famousz-misc
- k-means及Isodata 聚类算法的实现，用c++代码实现，输入数据为Iris，输出分类类结果。 包含Iris数据及所有头文件和.cpp文件。-Isodata k-means clustering algorithm and implementation, using c++ code implement,. the input data is the Iris, the output classification class results. contains Iris d
Cmeansclusteringmethods
- 本算法在vc++6.0中进行实验。分别就分解聚类和C-均值聚类两种方法在IRIS数据集上进行操作。分类前先将数据集中的样本顺序打乱形成混合数据。分解聚类中，采用前100个样本用对分法编制程序将数据分为两类。C-均值聚类采用全部的150个样本，将类别参数K设为3，将数据分为三类。-The algorithm in vc++6.0 in the experiment. Separate cluster and decomposition of two C-means clustering metho
irisfcm
- This illustrates how to use Fuzzy C-Means clustering for Iris dataset.
CMean-CPP
- 使用c－均值聚类算法在IRIS数据上进行聚类分析-C-means clustering algorithm using IRIS data in the cluster analysis
C
- 用C均值聚类对Iris数据分类，输出分类结果和准确度-With the C-means clustering on the Iris data classification, and accuracy of output classification results
c
- 用C-均值聚类的方法对Iris数据进行聚类分析-Cluster analysis using C-means clustering method on the Iris data
Umoshishibies
- 先用C-均值聚类算法程序，并用下列数据进行聚类分析。在确认编程正确后，采用蔡云龙书的附录B中表1的Iris数据进行聚类。然后使用近邻法的快速算法找出待分样本X（设X样本的4个分量x1=x2=x3=xx4=6；子集数l=3）的最近邻节点和3-近邻节点及X与它们之间的距离.-C-means clustering procedure, and the following data and cluster analysis. Confirm the programming is correct, Ca
c-mean-value
- 学习模式识别时候，会用到C均值处理一些数据。其中处理Iris数据是一个典型的问题，本例子由本人编写，为了完成其数据的分类。总共150个4维数据，将它分为三类。每个数据原归属于三类。-Learning pattern recognition when used C-means to deal with some data. Which deal with Iris data is a typical problem, the examples of which I am writing, in o
DM_YeDan
- KNN(K最近邻)分类算法以及K-means(K均值)聚类算法是应用广泛的两种算法。本代码是在VS2010环境下，用 C++语言在基于KNN及K-means算法下，实现了对Iris数据集的分类与聚类。-KNN (K nearest neighbor) classification algorithm, as well as K-means (K mean) clustering algorithm is widely used two algorithms. The code VS2010 en
PatternRecognition
- (1)Bayes分类 已知N=9， =3，n=2，C=3,问x= 应属于哪一类？ (2)聚类 使用c－均值聚类算法在IRIS数据上进行聚类分析 (3)鉴别分析 在ORL或Yale标准人脸数据库上完成模式识别任务。 用PCA与基于核的PCA（KPCA）方法完成人脸图像的重构与识别试验。-(1) Bayes classification Known N = 9, = 3, n = 2, C = 3, x = should ask which cat
improved-fuzzy-c-means-clustering
- 该算法引入遗传算法对模糊c均值算法进行改进，并在iris数据集中进行实验验证，得到很高的正确率。-The algorithm genetic algorithm fuzzy c-means algorithm is improved, and focus on experiments in the iris data to obtain a high accuracy.
K-Means-master
- 模糊C均值聚类算法的PYTHON实现，在UCI的IRIS数据集上实现-Fuzzy C-means clustering algorithm PYTHON realization, implemented on UCI s IRIS data set