本程序乃是本人发表的学术论文实现程序,针对传统K-means初始化质心得随机性缺点,提出孤立点思想,并计算DKC,来初始化质心。
传统的k-means算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动。为消除这种敏感性,提出一种优化初始聚类中心的方法,此方法计算每个数据对象所在区域的密度,选择相互距离最远的k个处于高密度区域
中科大2019春AI 实验二,包括Kmeans算法,PCA算法和层次聚类算法
为构建符合郑州市交通特征的乘用车典型行驶工况,选取60辆乘用车进行数据采集,将采集的有效行驶数据划分成120744条运动学片段,采用主成分分析法对构建的特征参数矩阵进行降维、非线性化处理。选取戴维森-
基于聚类(Kmeans)算法实现的客户价值分析系统(包含custcall,custinfo,result,tariff,国内某航空公司会员数据)等数据信息
数字半色调是在二值设备或多色二值设备上实现图像再现的一门技术,提出将K-means聚类法应用在数字半色调技术中。算法中应用人类视觉系统模型HVS和印刷模型最大限度减少原始灰度连续调图像和半色调图像之间
基于Spark框架的K-means聚类算法研究,皇秋曼,周锋,随着互联网时代的发展,如何从海量数据中挖掘出有用的信息是一个重要的课题。Spark是适用于大数据的高可靠性,高性能分布式并行计�
基于密度聚类的DBSCAN和kmeans算法比较-附件资源
matlab实现k均值聚类算法,以1000个五组随机样本为例,绘制出聚类中心点并分类,可计算出聚类精度和NMI指标结果。
k-means算法的测试数据