搜索资源列表
模糊c-均值算法是模糊聚类
- 模糊c-均值算法是模糊聚类中最常见、应用最广泛的分析方法之一．经典FCM算法理论和应用的研究已经相当成熟，Bezdek业已证明算法的收敛性［6］，许多软件提供了多种方便的FCM工具箱(如Matlab中FCM工具箱等)．但是传统FCM算法处理的是普通数据集，不能直接处理区间数，得到的聚类原型也不是区间数．针对区间数，一种直觉的方法是分别对左区间值和右区间值作FCM，并把得到的聚类原型分别作为区间型聚类原型的左右区间值，但这种方法已经被证明是行不通的［6］-fuzzy c-means cluster
遗传聚类
- 使用遗传算法优化Kmeans聚类过程，测试数据集都来源于UCI，很好理解，适合初学者。
Clustering.zip
- 数据挖掘算法的实现，基于模糊聚类的最大树算法，数据集是darpa99,也就是KDD-CUP99中采用的数据集,The realization of data mining algorithms, based on fuzzy clustering of the largest tree algorithm, a data set is darpa99, which is used in KDD-CUP99 data set
matlab-functions
- ：在有限区域内分布的稀疏不均的、具有一定分布结构的海量数据集的高效、高精度聚 类问题是一个尚未完全圆满解决的难题。针对Affinity Propagation 聚类算法(AP)的不足之处， 提出了两个改进型的聚类算法-n limited areas of uneven distribution of sparse, has certain distribution structure of the mass datasets of high efficiency, high precis
kernel-ica
- 利用KICA实现聚类，里面含有数据集，可以进行测试-clustering with KICA
fuzzyPR
- 模糊聚类的经典算法，可以使用UCI数据集进行聚类，该程序附有详细的说明-Classical fuzzy clustering algorithm, you can use the UCI data sets clustering, the program is accompanied by a detailed descr iption of
wine
- pca-kmeans聚类 先将数据(wine,uci数据集)降维处理，在进行聚类-pca-kmeans clustering use the data of uci:wine.
K-meansNB
- ：将K—means算法引入到朴素贝叶斯分类研究中，提出一种基于K—means的朴素贝叶斯分类算法。首先用K— me．arks算法对原始数据集中的完整数据子集进行聚类，计算缺失数据子集中的每条记录与 个簇重心之间的相似度，把记 录赋给距离最近的一个簇，并用该簇相应的属性均值来填充记录的缺失值，然后用朴素贝叶斯分类算法对处理后的数据 集进行分类。实验结果表明，与朴素贝叶斯相比，基于K—means思想的朴素贝叶斯算法具有较高的分类准确率。-: K-means algorithm will
CURE.tar
- 是数据挖掘领域中适用于大数据集的层次聚类算法CURE的C语言实现代码-the C source codes of Cluster algorithms of CURE
dbscan
- DBSCAN算法，利用数据集中密度差异来区分不同聚类。-DBSCAN algorithm, the density difference between the use of data sets to distinguish between different cluster.
zuoye4
- 用FAMALE.TXT、MALE.TXT的数据作为本次作业使用的样本集，利用C均值聚类方法对样本集进行聚类分析，对结果进行分析.-Use FAMALE. TXT, MALE. TXT data as the assignment is to use the data sets, using the c-means clustering method of the sample set clustering analysis, the analysis of the results.
K均值对iris数据集聚类
- k-means算法对irisdata数据集进行聚类(The k-means algorithm clustering the irisdata datasets)
101259363Desktop
- 传统的K-medoids聚类算法的聚类结果随初始中心点的 不同而波动，且计算复杂度较高不适宜处理大规模数据集； 快速K-medoids聚类算法通过选择合适的初始聚类中心改进 了传统K-medoids聚类算法，但是快速K-medoids聚类算法 的初始聚类中心有可能位于同一类簇。为了克服传统的K- medoids聚类算法和快速K-medoids聚类算法的缺陷，提出 一种基于粒计算的K-medoids聚类算法。(The traditional K-medoids clustering algorit
FuzzyClusteringToolbox
- 模糊聚类分析一般是指根据研究对象本身的属性来构造模糊矩阵，并在此基础上根据一定的隶属度来确定聚类关系，即用模糊数学的方法把样本之间的模糊关系定量的确定，从而客观且准确地进行聚类。聚类就是将数据集分成多个类或簇，使得各个类之间的数据差别应尽可能大，类内之间的数据差别应尽可能小，即为“最小化类间相似性，最大化类内相似性”原则。(Fuzzy clustering analysis generally refers to the construction of fuzzy matrix based on
apcluster.m
- ap算法完成ap聚类操作 需要输入参数为数据集 偏向参数 输出结果为聚类数目(The AP algorithm completes the AP clustering operation, the input parameter is the data set bias parameter, and the output result is the number of clusters)
xcluster-master
- SIGKDD2017上的文章，该算法适合数据集类簇数和数据条目都比较大的情况，聚类效率高(It is suitable for large number of data categories and data items, and the efficiency of clustering is high)
模糊c均值聚类算法
- 模糊c均值聚类算法的实现，还有相对的测试数据集(Fuzzy C-Means clustering algorithm)
数据集
- 本文件为常见聚类算法测试数据集 ，UCI上常用的聚类算法数据集(This document is a common clustering algorithm test data set.)
K-means聚类
- 应用K-means聚类算法，实现对iris数据集的分类(Using K-means clustering algorithm to realize the Classification of iris dataset)
DBSCAN
- 名称：DBSCAN经典聚类算法 功能：聚类数据集 类别：密度聚类算法(Name: DBSCAN Classic Clustering Algorithm Function: Clustering dataset Category: Density Clustering Algorithm)