虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

图聚类

  • C均值进行性别判断分类 图形图象 聚类分析

    C均值进行性别判断分类 图形图象 聚类分析

    标签: 分类 图形 图象 聚类分析

    上传时间: 2014-08-14

    上传用户:thuyenvinh

  • Matlab实现的动态聚类算法

    Matlab实现的动态聚类算法,最后以点阵图输出计算结果

    标签: Matlab 动态 聚类算法

    上传时间: 2013-12-26

    上传用户:

  • 用vb实现的C均值聚类分析

    用vb实现的C均值聚类分析,并可一自动画出聚类图,超经典。自己写这段代码可是会吐血的哦。

    标签: 均值聚类

    上传时间: 2013-12-07

    上传用户:xiaohuanhuan

  • c-mean聚类算法源代码

    c-mean聚类算法源代码,通过对输入数据进行训练和分类类别设定,能够得到数据的聚类图。

    标签: c-mean 聚类算法 源代码

    上传时间: 2013-12-26

    上传用户:colinal

  • 一种 较新的聚类算法 Dominant-set 的代码

    一种 较新的聚类算法 Dominant-set 的代码,包括聚类算法的代码和测试代码。该算法最大特点 就是基于图理论的 ,相对于Normalized Cut,计算复杂度低很多,况且能自动决定类的个数

    标签: Dominant-set 聚类算法 代码

    上传时间: 2013-12-20

    上传用户:417313137

  • 基于matlab的K均值聚类程序。其中用IRIS数据进行验证

    基于matlab的K均值聚类程序。其中用IRIS数据进行验证,得到了很好的结果。文件中包含了演示后的结果图

    标签: matlab IRIS K均值 聚类

    上传时间: 2014-01-21

    上传用户:lizhizheng88

  • 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

    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。

    标签: Chameleon 合并 特征 算法

    上传时间: 2013-12-11

    上传用户:caozhizhi

  • 资源动态聚类的方法分析

    利用aiNet执行资源聚类的算法分为两部分:第一部分是aiNet学习算法,如上所述;第二部分是在获得记忆细胞矩阵M和Ab-Ab之间的dij矩阵S基础上,实现连通图的剪枝聚类。

    标签: matlab、人工免疫

    上传时间: 2015-05-12

    上传用户:weizhuofu

  • 基于小波分解和模糊聚类的MRI图像去噪以及分割算法研究

    磁共振成像(MRI)由于自身独特的成像特点,使得其处理方法不同于一般图像.根据不同的应用目的,该文分别提出了MRI图像去噪和分割两个算法.首先,该文针对MRI重建后图像噪声分布的实际特点,提出了基于小波变换的MRI图像去噪算法.该算法详细阐明了MRI图像Rician噪声的特点,首先对与噪声和边缘相关的小波系数进行建模,然后利用最大似然估计来进行参数估计,同时利用连续尺度间的尺度相关性特点来进行函数升级,以便获得最佳萎缩函数,进一步提高图像的质量,最终取得了一定的效果.与此同时,该文对MRI图像的进一步的分析与应用展开了一定研究,提出了一种改进的快速模糊C均值聚类鲁棒分割算法.该算法先用K均值聚类方法得到初始聚类中心点,同时考虑邻域对分割结果的影响,对目标函数加以改进,用来克服噪声和非均匀场对MRI图像分割的影响,达到鲁棒分割的目的,为进一步图像处理和分析打下基础.通过实验,我们发现,无论是针对模拟图像还是实际图像,该文所提出的两个算法都取得了较好的效果,达到了预期的目的.

    标签: MRI 小波分解 图像去噪 分割

    上传时间: 2013-04-24

    上传用户:zhichenglu

  • 基于粒子群模糊C均值聚类的快速图像分割

    模糊C-均值聚类算法是一种无监督图像分割技术,但存在着初始隶属度矩阵随机选取的影响,可能收敛到局部最优解的缺点。提出了一种粒子群优化与模糊C-均值聚类相结合的图像分割算法,根据粒子群优化算法强大的全局搜索能力,有效地避免了传统的FCM对随机初始值的敏感,容易陷入局部最优的缺点。实验表明,该算法加快了收敛速度,提高了图像的分割精度。

    标签: 粒子群 模糊 均值聚类 图像分割

    上传时间: 2013-10-25

    上传用户:llandlu