FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分。在介绍FCM具体算法之前我们先介绍一些模糊集合的基本知识。
上传时间： 2013-12-11
上传用户：hphh
FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分
上传时间： 2014-11-26
上传用户：txfyddz
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。
上传时间： 2013-12-27
上传用户：wpwpwlxwlx
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
警车在城市道路上巡弋，既能够对违法犯罪分子起到震慑作用，有效控制犯罪率，又能加快接处警时间提高反应时效，为社会和谐提供有力的保障。本文以模式识别中聚类分析理论为基础，定量的给出城市道路间警车的覆盖模式和所需配置的最少警车数量，并给出最优的警车配置及巡逻方案。通过实例说明该方法能够有效的提高警车出警效率。
上传时间： 2014-12-30
上传用户：aa7821634
k-聚类算法
标签： 聚类算法
上传时间： 2014-01-16
上传用户：caozhizhi
k平均聚类算法，实现聚类的图形显示
标签： 聚类算法
上传时间： 2015-01-20
上传用户：zhengjian
模式识别k_means聚类算法。
上传时间： 2014-01-08
上传用户：阿四AIR
一个xx的聚类分析算法
上传时间： 2014-01-10
上传用户：电子世界
一种基于Ｍａｒｋｏｖ链模型的动态聚类方法
上传时间： 2015-02-06
上传用户：三人用菜
