邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。
标签： knnr.m
上传时间： 2015-05-21
上传用户：zyhhh
《矿石收音机(汪午生等编著)》1962年2月版-老K制作.pdf
上传时间： 2016-06-13
上传用户：ztzp
最大K乘积问题的C语言编写 。。。。。。。。。。。。。。。。。。
标签： 算法设计
上传时间： 2016-06-17
上传用户：qq741361303
K-SVD做图像字典分析，OMP是重建算法
上传时间： 2017-03-09
上传用户：1830260017@qq.com
Hadoop下的K-means的Java实现，使用eclipse。
上传时间： 2017-05-12
上传用户：18335103184
K-Means算法是最古老也是应用最广泛的聚类算法，它使用质心定义原型，质心是一组点的均值，通常该算法用于n维连续空间中的对象。 K-Means算法流程 step1：选择K个点作为初始质心 step2：repeat 将每个点指派到最近的质心，形成K个簇 重新计算每个簇的质心 until 质心不在变化 例如下图的样本集，初始选择是三个质心比较集中，但是迭代3次之后，质心趋于稳定，并将样本集分为3部分 我们对每一个步骤都进行分析 step1：选择K个点作为初始质心 这一步首先要知道K的值，也就是说K是手动设置的，而不是像EM算法那样自动聚类成n个簇 其次，如何选择初始质心 最简单的方式无异于，随机选取质心了，然后多次运行，取效果最好的那个结果。这个方法，简单但不见得有效，有很大的可能是得到局部最优。 另一种复杂的方式是，随机选取一个质心，然后计算离这个质心最远的样本点，对于每个后继质心都选取已经选取过的质心的最远点。使用这种方式，可以确保质心是随机的，并且是散开的。 step2：repeat 将每个点指派到最近的质心，形成K个簇 重新计算每个簇的质心 until 质心不在变化 如何定义最近的概念，对于欧式空间中的点，可以使用欧式空间，对于文档可以用余弦相似性等等。对于给定的数据，可能适应与多种合适的邻近性度量。
上传时间： 2018-11-27
上传用户：1159474180
用于k均值算法的matlab源程序，非常实用，简单易懂
上传时间： 2019-02-10
上传用户：playgamewy
J.K. Rowling - HP 0 - Harry Potter Prequel.pdf
标签： J.K. Rowling Prequel Potter Harry
上传时间： 2020-01-03
上传用户：nothingtiger
支持：EMA，BOLL，CCI，DMI，KDJ，MACD，OBV，RSI，SAR，VOL，WR K线指标算法工具类
上传时间： 2020-02-09
上传用户：wmdcs
该文档为用k-均值聚类确定促销方法和目标的决策支持系统讲解资料，讲解的还不错，感兴趣的可以下载看看…………………………
标签： 决策支持系统
上传时间： 2021-10-30
上传用户：zhaiyawei
