K-neans
K-means是一种广泛应用于数据挖掘与机器学习领域的无监督分类算法，以其高效性和简洁性著称。通过将数据集划分为预设数量的簇，每个簇由其内部点到中心点距离最小化来定义，K-means在图像处理、市场细分分析及自然语言处理等多个领域展现出强大效能。掌握此技术不仅能够帮助工程师们更好地理解和处理复杂数据...
资源总数
500
K-neans 全部资料 500 份
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（...
2013-12-20
33
Initialize U=[uij] matrix, U(0) At k-step: calculate the centers vectors C(k)=[cj] with U(k) &nb
Initialize U=[uij] matrix, U(0) At k-step: calculate the centers vectors C(k)=[cj] with U(k)        ...
2013-12-29
87
实现聚类K均值算法： K均值算法：给定类的个数K
实现聚类K均值算法： K均值算法：给定类的个数K，将n个对象分到K个类中去，使得类内对象之间的相似性最大，而类之间的相似性最小。
2014-12-21
40
实现聚类K均值算法： K均值算法：给定类的个数K
实现聚类K均值算法： K均值算法：给定类的个数K，将n个对象分到K个类中去，使得类内对象之间的相似性最大，而类之间的相似性最小。 缺点：产生类的大小相差不会很大，对于脏数据很敏感。 改进的算法：k—medoids 方法。这儿选取一个对象叫做...
2015-04-03
154