搜索资源列表
K-means
- 针对一维数据集K-means算法的实现， 针对一维数据集K-means算法的实现， 针对一维数据集K-means算法的实现。-k-means
KmeansVC
- 用MFC倾力打造的K均值算法，附有数据集，该数据集4177行记录，8维属性的元组 界面友好，功能基本实现。-Using MFC gourmet k-means algorithm, with the data collection, data collection, 8 dimension record 4177 did the tuple. Attributes Friendly interface, basic function.
K-MEANS
- 数据挖掘，K-means源码，数据集为iris-Data mining, K-means source code for the iris data set
Cmeansclusteringmethods
- 本算法在vc++6.0中进行实验。分别就分解聚类和C-均值聚类两种方法在IRIS数据集上进行操作。分类前先将数据集中的样本顺序打乱形成混合数据。分解聚类中，采用前100个样本用对分法编制程序将数据分为两类。C-均值聚类采用全部的150个样本，将类别参数K设为3，将数据分为三类。-The algorithm in vc++6.0 in the experiment. Separate cluster and decomposition of two C-means clustering metho
Kkmeann-
- 使用k-means算法对150个数据集进行分簇。-K-means algorithm uusing 150 data sets to carry out sub-cluster. -Use k-means algorithm on 150 data sets clustering.-K-means algorithm uusing 150 data sets to carry out sub-cluster.
kmeans
- 数据挖掘kmeans图像聚类实验代码 用 VC 或 Java 实现 k-means 聚类算法， 分别以迭代次数及分配不再发生变化为算法终止条件，用图片（自己选择）作为数据集，比较运行时间（画出时间与像素点的关系曲线图，因此须用多幅像素个数不同的图片进行实验） 提交实验报告与源代码。-VC or Java k-means clustering algorithm, were no longer change the number of iterations and the allocation
kmeans_report
- 数据挖掘kmeans图像聚类实验,用 VC 或 Java 实现 k-means 聚类算法， 分别以迭代次数及分配不再发生变化为算法终止条件，用图片（自己选择）作为数据集，比较运行时间（画出时间与像素点的关系曲线图，因此须用多幅像素个数不同的图片进行实验） 提交实验报告与源代码-Data mining kmeans image clustering experiments, using VC or Java implementation of k-means clustering algorith
kmeans_report
- 数据挖掘kmeans图像聚类实验,用 VC实现 k-means 聚类算法， 分别以迭代次数及分配不再发生变化为算法终止条件，用图片（自己选择）作为数据集，比较运行时间（画出时间与像素点的关系曲线图，因此须用多幅像素个数不同的图片进行实验）,提交实验报告与源代码-Kmeans image clustering data mining experiments with VC k-means clustering algorithm, respectively, the number of itera
K-means
- KMeans算法，经典的数据挖掘算法，设置了三个中心点，初始化是采用读取数据集的三个点作为中心的。-KMeans Algorithm, it is very famous data mining algorithm, i set three center, and it was initialed by the data we classify.
k-means
- k-means分类测试，通过自己建造数据集测试分类方法使用效果-K- means classification test, by building their test data set classification method using effect
k-means
- 机器学习中的kmeans算法用西瓜数据集4.0作为数据进行测试-Machine learning algorithms with watermelon kmeans data set 4.0 as the data for testing
ImageClassification-master
- 在这个项目中，我们的目标是建立一个识别和大小231x231图像呈现对象分类系统。我们得到了一组训练图像，每四个标签之一：1飞机；汽车2；3马，否则。我们提供了两个特点：一是方向梯度直方图（HOG），其尺寸为5408；另一个是overfeat ImageNet美国有线电视新闻网的特点，其尺寸37000。关于测试图像，我们只给出了每个图像的功能，没有标签，结果判断由平地机。我们的目标是提供二进制和多个预测。平衡错误率（BER）是我们的性能评估。为了解决这个问题，我们首先减少PCA的问题的维数，处理不
k_means
- 利用K均值算法对Iris数据集进行聚类，实现Iris数据集的无监督学习。(K-means algorithm is used to cluster iris data set to realize unsupervised learning.)