亚洲欧美第一页_禁久久精品乱码_粉嫩av一区二区三区免费野_久草精品视频

蟲蟲首頁| 資源下載| 資源專輯| 精品軟件
登錄| 注冊

k-Means

k均值聚類算法(k-Meansclusteringalgorithm)是一種迭代求解的聚類分析算法,其步驟是,預(yù)將數(shù)據(jù)分為K組,則隨機(jī)選取K個(gè)對象作為初始的聚類中心,然后計(jì)算每個(gè)對象與各個(gè)種子聚類中心之間的距離,把每個(gè)對象分配給距離它最近的聚類中心。聚類中心以及分配給它們的對象就代表一個(gè)聚類。每分配一個(gè)樣本,聚類的聚類中心會根據(jù)聚類中現(xiàn)有的對象被重新計(jì)算。這個(gè)過程將不斷重復(fù)直到滿足某個(gè)終止條件。終止條件可以是沒有(或最小數(shù)目)對象被重新分配給不同的聚類,沒有(或最小數(shù)目)聚類中心再發(fā)生變化,誤差平方和局部最小。
  • 介紹k-Means類型算法的基本原理

    介紹k-Means類型算法的基本原理,發(fā)展以及趨勢。

    標(biāo)簽: k-Means 算法

    上傳時(shí)間: 2014-01-02

    上傳用戶:1583060504

  • k-Means聚類算法Hadoop分布式實(shí)現(xiàn)

    Hadoop下的k-Means的Java實(shí)現(xiàn),使用eclipse。

    標(biāo)簽: k-Means Hadoop 聚類算法 分布式

    上傳時(shí)間: 2017-05-12

    上傳用戶:18335103184

  • 數(shù)據(jù)挖掘-聚類-k-Means算法Java實(shí)現(xiàn)

    k-Means算法是最古老也是應(yīng)用最廣泛的聚類算法,它使用質(zhì)心定義原型,質(zhì)心是一組點(diǎn)的均值,通常該算法用于n維連續(xù)空間中的對象。 k-Means算法流程 step1:選擇K個(gè)點(diǎn)作為初始質(zhì)心 step2:repeat                將每個(gè)點(diǎn)指派到最近的質(zhì)心,形成K個(gè)簇                重新計(jì)算每個(gè)簇的質(zhì)心             until 質(zhì)心不在變化  例如下圖的樣本集,初始選擇是三個(gè)質(zhì)心比較集中,但是迭代3次之后,質(zhì)心趨于穩(wěn)定,并將樣本集分為3部分    我們對每一個(gè)步驟都進(jìn)行分析 step1:選擇K個(gè)點(diǎn)作為初始質(zhì)心 這一步首先要知道K的值,也就是說K是手動設(shè)置的,而不是像EM算法那樣自動聚類成n個(gè)簇 其次,如何選擇初始質(zhì)心      最簡單的方式無異于,隨機(jī)選取質(zhì)心了,然后多次運(yùn)行,取效果最好的那個(gè)結(jié)果。這個(gè)方法,簡單但不見得有效,有很大的可能是得到局部最優(yōu)。      另一種復(fù)雜的方式是,隨機(jī)選取一個(gè)質(zhì)心,然后計(jì)算離這個(gè)質(zhì)心最遠(yuǎn)的樣本點(diǎn),對于每個(gè)后繼質(zhì)心都選取已經(jīng)選取過的質(zhì)心的最遠(yuǎn)點(diǎn)。使用這種方式,可以確保質(zhì)心是隨機(jī)的,并且是散開的。 step2:repeat                將每個(gè)點(diǎn)指派到最近的質(zhì)心,形成K個(gè)簇                重新計(jì)算每個(gè)簇的質(zhì)心             until 質(zhì)心不在變化  如何定義最近的概念,對于歐式空間中的點(diǎn),可以使用歐式空間,對于文檔可以用余弦相似性等等。對于給定的數(shù)據(jù),可能適應(yīng)與多種合適的鄰近性度量。

    標(biāo)簽: k-Means Java 數(shù)據(jù)挖掘 聚類 算法

    上傳時(shí)間: 2018-11-27

    上傳用戶:1159474180

  • 改進(jìn)的k均值算法

    改進(jìn)的k均值算法,可以加速運(yùn)行時(shí)間,詳見Using the Triangle Inequality to Accelerate k-Means

    標(biāo)簽: 均值算法

    上傳時(shí)間: 2016-05-07

    上傳用戶:cxl274287265

  • 尋找k個(gè)聚類中心的算法

    尋找k個(gè)聚類中心的算法,也就是對k-Means算法初始化進(jìn)行改進(jìn)的一種算法

    標(biāo)簽: 聚類 算法

    上傳時(shí)間: 2016-07-02

    上傳用戶:z754970244

  • 數(shù)據(jù)挖掘算法

    數(shù)據(jù)挖掘算法,k-Means聚類算法源代碼,用于聚類分析

    標(biāo)簽: 數(shù)據(jù)挖掘算法

    上傳時(shí)間: 2015-04-11

    上傳用戶:windwolf2000

  • 數(shù)據(jù)挖掘算法

    數(shù)據(jù)挖掘算法,fuzzy-k-Means聚類算法源代碼,用于模糊聚類分析

    標(biāo)簽: 數(shù)據(jù)挖掘算法

    上傳時(shí)間: 2015-04-11

    上傳用戶:nanshan

  • MATLAB 數(shù)據(jù)挖掘算法

    MATLAB 數(shù)據(jù)挖掘算法,fuzzy-k-Means聚類算法源代碼,用于模糊聚類分析

    標(biāo)簽: MATLAB 數(shù)據(jù)挖掘算法

    上傳時(shí)間: 2014-01-13

    上傳用戶:1101055045

  • 人工選擇聚類中心

    人工選擇聚類中心,用k-Means聚類方法對圖像進(jìn)行分割,效果不錯(cuò)的

    標(biāo)簽: 人工 聚類

    上傳時(shí)間: 2013-12-29

    上傳用戶:gaojiao1999

  • 這是一個(gè)用c和matlab編寫的程序

    這是一個(gè)用c和matlab編寫的程序,用于實(shí)現(xiàn)k-Means算法

    標(biāo)簽: matlab 編寫 程序

    上傳時(shí)間: 2014-01-07

    上傳用戶:hgy9473

主站蜘蛛池模板: 阿图什市| 那曲县| 新丰县| 张北县| 南投市| 衡南县| 长寿区| 鄂托克旗| 福清市| 岑巩县| 荥阳市| 惠安县| 福州市| 宜丰县| 白山市| 青龙| 正安县| 舟山市| 金阳县| 盘山县| 磴口县| 宜城市| 长丰县| 余江县| 喜德县| 澄迈县| 中宁县| 武邑县| 花莲市| 依兰县| 阿尔山市| 漳州市| 特克斯县| 临潭县| 南康市| 道孚县| 泗水县| 舟山市| 宣恩县| 太湖县| 阿勒泰市|