搜索资源列表
DBSCAN2
- DBSCAN是一个基于密度的聚类算法。改算法将具有足够高度的区域划分为簇，并可以在带有“噪声”的空间数据库中发现任意形状的聚类。-DBSCAN is a density-based clustering algorithm. Algorithm change will have enough height to the regional cluster. and to be with the "noise" of the spatial database found clus
dbscan
- DBSCAN是一种性能优越的基于密度的空间聚类算法．利用基于密度的聚类概念，用户只需输入一个参数，DBSCAN算法就能够发现任意形状的类，并可以有效地处理噪声．这里是用C# 编写的，以兰花数据集作为测试数据的代码。
变色龙算法将互连性和近似性都大的簇合并
- 变色龙算法将互连性和近似性都大的簇合并 可以发现高质量的任意形状的簇
MetHast
- 这是蒙特卡洛方法中用Metropolis Hasting方法进行抽样的函数子程序。使用这个方法可以对任意形状的分布进行抽样-This is a Metropolis Hasting Sampling Code. You can sampling any distribution using this.
dbscan
- DBSCAN是一种性能优越的基于密度的空间聚类算法．利用基于密度的聚类概念，用户只需输入一个参数，DBSCAN算法就能够发现任意形状的类，并可以有效地处理噪声．-DBSCAN is a superior performance of space-based density clustering algorithm. The use of the concept of density-based clustering, the user can enter a parameter, DBSCAN
xiangkehong
- 树与二叉树转换，用的是c++ 实现任意形状的树（使用广义表的方式从键盘输入）与二叉树的相互转换的实现-iohdiuosopidiosjdksddd
capacitance_MOM
- 采用矩量法计算任意形状导体的电容，采用脉冲基点选配方法。内附几个简单模型。-A moment method code to find the capacitance of a conducting body with arbitary shape. The pulse basis functions and the point match method is applied.
a
- 基于密度的聚类算法因其抗噪声能力强和能发现任意形状的簇等优点，在聚类分析中被广泛采用，本文提出 的基于相对密度的聚类算法，在继承上述优点的基础上。有效地解决了基于密度的聚类结果对参数值过于敏感、参数 值难以设置以厦高密度簇完全被相连的低密度簇所包含等问题。-Density-based clustering algorithm because of its strong resistance to noise and can find clusters of arbitrary shape
b
- ：DBSCAN是一个基于密度的聚类算法。该算法将具有足够高密度的区域划分为簇，并可以在带有“噪声”的空间数 据库中发现任意形状的聚类。但DtLqCAN算法没有考虑非空间属性，且DBSCAN算法需扫描空间数据库中每个点的e一 邻域来寻找聚类，这使得DBSCAN算法的应用受到了一定的局限。文中提出了一种基于DBSCAN的算法，可以处理非空 间属性，同时又可以加快聚类的速度。-: DBSCAN is a density-based clustering algorithm. The alg
brdf
- 基于半无限均质分层介质的双向反射率函数模型（Mishchenko）的精确数值解，为Fortran语言代码。该均匀介质由任意形状，随机取向的颗粒构成。该双向反射率分布函数适用于土壤和雪/冰。文件spher.f 借助于Lorenz-Mie理论计算多分散球形颗粒的Legendre扩散系数。文件refl.f 计算反射率函数的傅立叶组分。而interp.f 计算任意太阳—传感器条件下双向反射率函数。-Semi-infinite homogeneous layered media based on bi-d
GPT_Toolbox
- 这个Matlab图形用户界面允许用户计算圆形，椭圆形和任意形状的广义极化张量。此计算的近似算法，该算法是基于Capdeboscq等人开发出一种方法。 -This Matlab GUI allows the user to compute the GPT of disks, ellipses, and arbitrary imported shapes. The approximating algorithm that does this computation is based off a me
DDSCAT7.1.0
- 离散偶极近似算法程序DDSCAT7.1.0.计算任意形状、任意组成的微粒对光的散射、吸收、消光效率。-discrete dipole approximation (DDA)program DDSCAT7.1.0, it can calculate the scattering, absorption, and extinction efficiency of small particles of any geometry and any composition.
spectral_cluster
- 谱聚类算法，与传统聚类相比，有任意形状的样本空间上聚类且收敛于全局最优解的优点-Spectral clustering algorithm, compared with the traditional clustering, the sample space of an arbitrary shape clustering and convergence to global optimal solution the advantages of
MUSIC
- MUSIC算法是一种基于矩阵特征空间分解的方法。从几何角度讲，信号处理的观测空间可以分解为信号子空间和噪声子空间，显然这两个空间是正交的。信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成，噪声子空间则由协方差矩阵中所有最小特征值（噪声方差）对应的特征向量组成。MUSIC算法就是利用这两个互补空间之间的正交特性来估计空间信号的方位。噪声子空间的所有向量被用来构造谱，所有空间方位谱中的峰值位置对应信号的来波方位。MUSIC算法大大提高了测向分辨率，同时适应于任意形状的天线阵列，但是原
POLYHEDRON
- 采用线积分均匀任意形状的多面体源的全部重力张量的分析计算-Analytical computation of the full gravity tensor of a homogeneous arbitrarily shaped polyhedral source using line integrals
dbscan
- DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。 -DBSCAN (Density-Based Spatial Clustering of Applications with Noise) is a more represent
dbscan
- 数据挖掘算法 dbscan 基于密度的聚类算法 它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类-Data mining algorithms dbscan density-based clustering algorithm will cluster is defined as the density of points connected to the largest collection of regional divisi
CHENGXU
- MUSIC算法[1] 是一种基于矩阵特征空间分解的方法。从几何角度讲，信号处理的观测空间可以分解为信号子空间和噪声子空间，显然这两个空间是正交的。信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成，噪声子空间则由协方差矩阵中所有最小特征值（噪声方差）对应的特征向量组成。MUSIC算法就是利用这两个互补空间之间的正交特性来估计空间信号的方位。噪声子空间的所有向量被用来构造谱，所有空间方位谱中的峰值位置对应信号的来波方位。MUSIC算法大大提高了测向分辨率，同时适应于任意形状的天线阵列
pujulei
- 谱聚类算法建立在谱图理论基础上，与传统的聚类算法相比，它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点。 该算法首先根据给定的样本数据集定义一个描述成对数据点相似度的亲合矩阵,并且计算矩阵的特征值和特征向量 ， 然后选择合适 的特征向量聚类不同的数据点。谱聚类算法最初用于计算机视觉 、VLS I 设计等领域， 最近才开始用于机器学习中，并迅速成为国际上机器学习领域的研究热点。-Spectral clustering algorithm based on the spectrum b
Cluster_DBSCAN
- DBSCAN（Density-Based Spatial Clustering of Applications with Noise，具有噪声的基于密度的聚类方法）是一种基于密度的空间聚类算法。该算法将具有足够密度的区域划分为簇，并在具有噪声的空间数据库中发现任意形状的簇，它将簇定义为密度相连的点的最大集合。 该算法利用基于密度的聚类的概念，即要求聚类空间中的一定区域内所包含对象（点或其他空间对象）的数目不小于某一给定阈值。DBSCAN算法的显著优点是聚类速度快且能够有效处理噪声点和发