搜索资源列表
Kk-Means
- 次算法为数据挖掘中动态聚类算法的实现，对数据挖掘有一定的帮助-time data mining algorithms for dynamic clustering algorithm to the realization of data mining is certainly helpful
dataming_2
- 计算机的数据挖掘领域聚类分析方面的算法介绍-computer data mining cluster analysis algorithm introduced
vfdt
- 此算法是数据挖掘中的聚类算法，很经典，是一种基于统计思想的聚类算法
clustering
- 几种数据挖掘中聚类的几种算法介绍：rock,sprint,birch（英文版的）
GDBSCAN
- 空间聚类算法GDBSCAN 对数据挖掘有用
k_means
- K-MEANS算法: 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“中心对象”（引力中心）来进行计算的。 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
testdata
- 聚类算法的训练数据文件，可导入数据库可代替数据库文件 -clustering algorithm training data and can import databases, database files can be replaced