:将核学习方法的思想应用于K-均值聚类中,提出了一种核K-均值聚类算法,算法的主要思想是:首先将原空间中待聚类的样本经过一个非线性映射,映射到一个高维的核空间中,突出各类样本之间的特征差异,然后在这个
k-means聚类数据集,包含dataSet.txt, dataSet2.txt以及其它。
做项目用的K均值算法,在看过的众多代码基础上给予了小更改,挺有用的!
本程序采用C#实现了K均值聚类,批处理文件中的参数为需要批处理的文件名,文件中的每一行为一个文件,在实际使用中,可以更加需要修改
用模拟退火k-means聚类算法实现样本库的聚类。
Opencv achieves regional growth method, K-means clustering, fuzzy C-means clustering (FCM)
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
kmeans均值聚类算法程序,用matlab实现,具有一定参考价值
C均值动态聚类算法是一种普遍采用的方法,在实际中具有很高的应用价值!
Fuzzy c-means clustering algorithm