虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

k均值算法

  • K均值法

    K均值法,神经网络很有用 不同于BP神经网络的算法

    标签: K均值

    上传时间: 2015-10-06

    上传用户:epson850

  • k均值聚类方法的c代码

    k均值聚类方法的c代码,并且带有聚类数据,适用于刚刚接触该算法的初学者

    标签: 均值聚类 代码

    上传时间: 2015-11-29

    上传用户:jkhjkh1982

  • K-MEANS算法 输入:聚类个数k

    K-MEANS算法 输入:聚类个数k,以及包含 n个数据对象的数据库。 输出:满足方差最小标准的k个聚类。 处理流程: (1) 从 n个数据对象任意选择 k 个对象作为初始聚类中心; (2) 循环(3)到(4)直到每个聚类不再发生变化为止 (3) 根据每个聚类对象的均值(中心对象),计算每个对象与这些中心对象的距离;并根据最小距离重新对相应对象进行划分; (4) 重新计算每个(有变化)聚类的均值(中心对象)

    标签: K-MEANS 算法 输入 聚类

    上传时间: 2013-12-20

    上传用户:chenjjer

  • K-MEANS算法: k-means 算法接受输入量 k ;然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足:同一聚类中的对象相似度较高;而不同聚类中的对象相似度较小。聚类相似度是利用各

    K-MEANS算法: k-means 算法接受输入量 k ;然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足:同一聚类中的对象相似度较高;而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”(引力中心)来进行计算的。 k-means 算法的工作过程说明如下:首先从n个数据对象任意选择 k 个对象作为初始聚类中心;而对于所剩下其它对象,则根据它们与这些聚类中心的相似度(距离),分别将它们分配给与其最相似的(聚类中心所代表的)聚类;然后再计算每个所获新聚类的聚类中心(该聚类中所有对象的均值);不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数. k个聚类具有以下特点:各聚类本身尽可能的紧凑,而各聚类之间尽可能的分开

    标签: 聚类 K-MEANS k-means 对象

    上传时间: 2016-07-31

    上传用户:youlongjian0

  • K-MEANS算法: k-means 算法接受输入量 k ;然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足:同一聚类中的对象相似度较高;而不同聚类中的对象相似度较小。聚类相似度是利用各

    K-MEANS算法: k-means 算法接受输入量 k ;然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足:同一聚类中的对象相似度较高;而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”(引力中心)来进行计算的。 k-means 算法的工作过程说明如下:首先从n个数据对象任意选择 k 个对象作为初始聚类中心;而对于所剩下其它对象,则根据它们与这些聚类中心的相似度(距离),分别将它们分配给与其最相似的(聚类中心所代表的)聚类;然后再计算每个所获新聚类的聚类中心(该聚类中所有对象的均值);不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数. k个聚类具有以下特点:各聚类本身尽可能的紧凑,而各聚类之间尽可能的分开

    标签: 聚类 K-MEANS k-means 对象

    上传时间: 2013-12-19

    上传用户:chenlong

  • k-means 算法的工作过程说明如下:首先从n个数据对象任意选择 k 个对象作为初始聚类中心;而对于所剩下其它对象

    k-means 算法的工作过程说明如下:首先从n个数据对象任意选择 k 个对象作为初始聚类中心;而对于所剩下其它对象,则根据它们与这些聚类中心的相似度(距离),分别将它们分配给与其最相似的(聚类中心所代表的)聚类;然后再计算每个所获新聚类的聚类中心(该聚类中所有对象的均值);不断重复这一过程直到标准测度函数开始收敛为止。

    标签: k-means 对象 算法 工作过程

    上传时间: 2013-12-27

    上传用户:wpwpwlxwlx

  • :将K—means算法引入到朴素贝叶斯分类研究中

    :将K—means算法引入到朴素贝叶斯分类研究中,提出一种基于K—means的朴素贝叶斯分类算法。首先用K— me.arks算法对原始数据集中的完整数据子集进行聚类,计算缺失数据子集中的每条记录与 个簇重心之间的相似度,把记 录赋给距离最近的一个簇,并用该簇相应的属性均值来填充记录的缺失值,然后用朴素贝叶斯分类算法对处理后的数据 集进行分类。实验结果表明,与朴素贝叶斯相比,基于K—means思想的朴素贝叶斯算法具有较高的分类准确率。

    标签: means 算法 分类 贝叶斯

    上传时间: 2017-08-18

    上传用户:banyou

  • 数据挖掘-聚类-K-means算法Java实现

    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。

    标签: K-means Java 数据挖掘 聚类 算法

    上传时间: 2018-11-27

    上传用户:1159474180

  • k-means算法(matlab编写),其中包含测试数据集,可以使用.

    k-means算法(matlab编写),其中包含测试数据集,可以使用.

    标签: k-means matlab 算法 测试

    上传时间: 2014-01-12

    上传用户:ddddddos

  • 该软件是基于C均值算法的聚类软件

    该软件是基于C均值算法的聚类软件,能对数值型数据集进行合理的聚类。

    标签: 软件 均值算法 聚类

    上传时间: 2015-04-30

    上传用户:xinyuzhiqiwuwu