根據(jù)給定函數(shù)的結(jié)點(diǎn)的函數(shù)值，以及邊界條件，計(jì)算差指點(diǎn)的近似值。
上傳時(shí)間： 2016-07-26
上傳用戶：stampede
插件點(diǎn)擊功能代碼 C++編寫 市面上絕對(duì)沒有 不同霸王 不容易被K號(hào)
上傳時(shí)間： 2016-07-28
上傳用戶：xlcky
JFreeChart實(shí)例22: 基于 OHLCDataset 數(shù)據(jù)集的K線圖表
標(biāo)簽： OHLCDataset JFreeChart 22 數(shù)據(jù)集
上傳時(shí)間： 2016-07-28
上傳用戶：yulg
用matlab語(yǔ)言實(shí)現(xiàn)k均值的模式識(shí)別的聚類算法
標(biāo)簽： matlab 語(yǔ)言 模式識(shí)別 聚類算法
上傳時(shí)間： 2014-01-10
上傳用戶：bcjtao
VHDL語(yǔ)言實(shí)驗(yàn)數(shù)字鍾功能,可手動(dòng)調(diào)時(shí),設(shè)定閙鍾等
標(biāo)簽： VHDL
上傳時(shí)間： 2014-12-20
上傳用戶：2467478207
求第k個(gè)最小值問題，中間用半快速排序，教師布置的作業(yè)
標(biāo)簽：
上傳時(shí)間： 2016-07-30
上傳用戶：gxrui1991
這是一些分類器的綜合包括貝葉斯K聚類等
上傳時(shí)間： 2016-07-31
上傳用戶：daoxiang126
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)象”（引力中心）來(lái)進(jìn)行計(jì)算的。 k-means 算法的工作過程說明如下：首先從n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計(jì)算每個(gè)所獲新聚類的聚類中心（該聚類中所有對(duì)象的均值）；不斷重復(fù)這一過程直到標(biāo)準(zhǔn)測(cè)度函數(shù)開始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測(cè)度函數(shù). k個(gè)聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
標(biāo)簽： 聚類 K-MEANS k-means 對(duì)象
上傳時(shí)間： 2016-07-31
上傳用戶：youlongjian0
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)象”（引力中心）來(lái)進(jìn)行計(jì)算的。 k-means 算法的工作過程說明如下：首先從n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計(jì)算每個(gè)所獲新聚類的聚類中心（該聚類中所有對(duì)象的均值）；不斷重復(fù)這一過程直到標(biāo)準(zhǔn)測(cè)度函數(shù)開始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測(cè)度函數(shù). k個(gè)聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
標(biāo)簽： 聚類 K-MEANS k-means 對(duì)象
上傳時(shí)間： 2013-12-19
上傳用戶：chenlong
一個(gè)用java實(shí)現(xiàn)的k-means的簡(jiǎn)單算法
上傳時(shí)間： 2014-08-28
上傳用戶：13188549192
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
