📚 K-mean技术资料

📦 资源总数：1242

💻 源代码：170357

k-MEAN算法，作为数据挖掘与机器学习领域中的经典无监督学习方法，以其高效聚类能力著称。广泛应用于图像处理、信号分析及模式识别等多个电子技术场景中，帮助工程师们从海量数据中快速提取有价值信息。掌握k-MEAN不仅能够提升个人技能水平，在实际项目开发过程中也能发挥重要作用。本站提供1242个精选k-MEAN相关资源，涵盖理论教程到实战案例，助力每一位追求卓越的电子工程师深入理解并灵活运用这一...

🔥 K-mean热门资料

查看全部1242个资源 »

K-均值聚类算法的编程实现。包括逐点聚类和批处理聚类。K－均值聚类的的时间复杂度是nkm

K-均值聚类算法的编程实现。包括逐点聚类和批处理聚类。K－均值聚类的的时间复杂度是n*k*m，其中n为样本数，k为类别数，m为样本维数。这个时间复杂度是相当客观的。因为如果用每秒10亿次的计算机对50个样本采用穷举法分两类，寻找最优，列举一遍约66.7天，分成3类，则要约3500万年。针对算法局部最...

📅 2015-03-18 👤 yuanyuan123

均值聚类聚类算法批处理

由于K－均值聚类算法局部最优的特点

由于K－均值聚类算法局部最优的特点，而模拟退火算法理论上具有全局最优的特点。因此，用模拟退火算法对聚类进行了改进。20组聚类仿真表明，平均每次对K结果值改进8次左右，效果显著。下一步工作：实际上在高温区随机生成邻域是个组合爆炸问题（见本人上载软件‘k－均值聚类算法’所述），高温跳出局部解的概率几乎为...

📅 2015-03-18 👤 hullow

均值聚类算法局部