Location:
Search - K-medoid
Search list
Description: 实现聚类K均值算法: K均值算法:给定类的个数K,将n个对象分到K个类中去,使得类内对象之间的相似性最大,而类之间的相似性最小。 缺点:产生类的大小相差不会很大,对于脏数据很敏感。 改进的算法:k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用,这样的一个medoid就标识了这个类。步骤: 1,任意选取K个对象作为medoids(O1,O2,…Oi…Ok)。 以下是循环的: 2,将余下的对象分到各个类中去(根据与medoid最相近的原则); 3,对于每个类(Oi)中,顺序选取一个Or,计算用Or代替Oi后的消耗—E(Or)。选择E最小的那个Or来代替Oi。这样K个medoids就改变了,下面就再转到2。 4,这样循环直到K个medoids固定下来。 这种算法对于脏数据和异常数据不敏感,但计算量显然要比K均值要大,一般只适合小数据量。-achieving K-mean clustering algorithms : K-means algorithm : given the number of Class K, n will be assigned to target K to 000 category, making target category of the similarity between the largest category of the similarity between the smallest. Disadvantages : class size have no great difference for dirty data is very sensitive. Improved algorithms : k-medoids methods. Here a selection of objects called mediod to replace the center of the above, the logo on a medoid this category. Steps : 1, arbitrary selection of objects as K medoids (O1, O2, Ok ... ... Oi). Following is a cycle : 2, the remaining targets assigned to each category (in accordance with the closest medoid principle); 3, for each category (Oi), the order of selection of a Or, calculated Oi Or replace the consumption-E (Or)
Platform: |
Size: 1024 |
Author: 阿兜 |
Hits:
Description: 一个k-means算法的改进。使用了模糊聚类的方法,并且有演示过程。-a k-means algorithm improvements. The use of fuzzy clustering method, and a demonstration of the process.
Platform: |
Size: 59392 |
Author: 付亮 |
Hits:
Description: K条路 算法
计算最短路径
CVC8-K road shortest path algorithm CVC8
Platform: |
Size: 12288 |
Author: errantry |
Hits:
Description: 一个完整的以类的形式的k-medoids算法-to a complete category in the form of k-medoids algorithm
Platform: |
Size: 1024 |
Author: 小朱 |
Hits:
Description: K近邻中值(均值)滤波器
1) 以待处理像素为中心,作一个m*m的作用模板。
2) 在模板中,选择K个与待处理像素的灰度差为最小的像素。
3) 将这K个像素的灰度均值(中值)替换掉原来的像素值。
-K-nearest neighbor median (mean) a filter) for the pixel to be addressed, for a m* m role template. 2) In the template, select and K-pending pixel gray worse for the smallest pixels. 3) this K-pixel gray average (median) replace the original pixel.
Platform: |
Size: 1024 |
Author: 上官云 |
Hits:
Description: K路归并算法,用贪心算法构造霍夫曼树,采用加入虚节点的思想求出最优的归并模式-K Road, merge algorithm, greedy algorithm using Huffman tree constructed using the idea of adding virtual nodes to derive the optimal merging pattern
Platform: |
Size: 3072 |
Author: taolizao |
Hits:
Description: 这是一个K中心点聚类算法C实现的,希望对大家有用-K this is a clustering algorithm C to achieve a focal point, and I hope useful for everyone
Platform: |
Size: 2048 |
Author: 黎艺行 |
Hits:
Description: 这是一个关于k中心聚类的算法,希望大家指点。-It is a clustering algorithm k centers, I hope everyone pointing.
Platform: |
Size: 593920 |
Author: fanliutong |
Hits:
Description: 用MFC开发的简单的k-means实现代码,原创啊-Using MFC to develop a simple realization of the k-means code, original ah
Platform: |
Size: 2048 |
Author: 李谦 |
Hits:
Description: 较著名的解初值微分方程的数值方法——自适应Runge-Kutta-Fehlberg算法-More well-known solutions of initial value differential equations numerical methods- adaptive Runge-Kutta-Fehlberg algorithm
Platform: |
Size: 1024 |
Author: 田建飞 |
Hits:
Description: K聚类分析,通过使用欧式距离,K聚类方法显示聚类结果,用于分类-K cluster analysis, using Euclidean distance, K show the clustering results of clustering method for classification
Platform: |
Size: 21504 |
Author: 谢天培 |
Hits:
Description: cskmeans 聚类算法的一种
1. 分裂法(partitioning methods):给定一个有N个元组或者纪录的数据集,分裂法将构造K个分组,每一个分组就代表一个聚类,K<N。而且这K个分组满足下列条件:(1) 每一个分组至少包含一个数据纪录;(2)每一个数据纪录属于且仅属于一个分组(注意:这个要求在某些模糊聚类算法中可以放宽);对于给定的K,算法首先给出一个初始的分组方法,以后通过反复迭代的方法改变分组,使得每一次改进之后的分组方案都较前一次好,而所谓好的标准就是:同一分组中的记录越近越好,而不同分组中的纪录越远越好。使用这个基本思想的算法有:K-MEANS算法、K-MEDOIDS算法、CLARANS算法;
Platform: |
Size: 1024 |
Author: lance |
Hits:
Description: 聚类算法:k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用,这样的一个medoid就标识了这个类。步骤: 1,任意选取K个对象作为medoids(O1,O2,…Oi…Ok)。 以下是循环的: 2,将余下的对象分到各个类中去(根据与medoid最相近的原则); 3,对于每个类(Oi)中,顺序选取一个Or,计算用Or代替Oi后的消耗—E(Or)。选择E最小的那个Or来代替Oi。这样K个medoids就改变了,下面就再转到2。 4,这样循环直到K个medoids固定下来。 这种算法对于脏数据和异常数据不敏感,但计算量显然要比K均值要大,一般只适合小数据量。 这里是MAtlab源代码。-err
Platform: |
Size: 9216 |
Author: 烈马 |
Hits:
Description: CLARA是基于k中心点的一种划分方法的实现,区别于别的划分方法,Clara是用于大规模分类运用方法的简称,可以实现对大规模数据的分类-CLARA(abbreviated from clustering large applications), is based on the k-medoid appraoch, which can be useful in clustering large data sets.
Platform: |
Size: 13312 |
Author: 林文 |
Hits:
Description: k-中心聚类算法的matlab实现。直接读取文档数据,没有维限制。-k-Medoids clustering algorithm matlab implementation. Document data read directly, there is no dimension restrictions.
Platform: |
Size: 2048 |
Author: 飞 |
Hits:
Description: 模糊聚类算法,K-means and K-medoid algorithms,Fuzzy C-means algorithm,The Gustafson{Kessel algorithm,The Gath{Geva algorithm-Fuzzy clustering algorithm, K-means and K-medoid algorithms, Fuzzy C-means algorithm, The Gustafson (Kessel algorithm, The Gath (Geva algorithm
Platform: |
Size: 4220928 |
Author: twty |
Hits:
Description: K-medoid algorithm implemented in C
Platform: |
Size: 4096 |
Author: msigdel |
Hits:
Description: java code on k-medoid
Platform: |
Size: 1024 |
Author: animesh |
Hits:
Description: this is KMedoids clustering algorithem.
Platform: |
Size: 18432 |
Author: yasir |
Hits:
Description: k-medoids with matlab is very strong
Platform: |
Size: 863232 |
Author: akbari1368
|
Hits: