搜索资源列表
gmeans
- gmeans-- Clustering with first variation and splitting 文本聚类算法Gmeans ,使用了3种相似度函数,cosine,euclidean ,KL.文本数据使用的是稀疏矩阵形式. -gmeans clustering with first variation and splitting Gmeans,a text clustering algorithm, uses 3 functions,cosine,euclidean and
8数码A算法
- 设计说明：1。数据结构和表示：程序用1、2、3、4分别表示将右、上、左、下的数字块移动到空格之中。采用典型的树+链表结构，每种局面产生一个BoardState类。出于避免走法顺序列表被过多复制的考虑，在树结构中保存局面的继承关系。每种新的局面产生后，引用估值函数产生f的值，再根据大小将其插入链表之中，以便实现“优先展开f值小的节点”。Solve()函数在成功解决问题之后保存一个走法序列供输出并返回零，而失败则返回失败处的节点层数。(具体的判断方法见后文)-Design Notes : 1. Da
cluster-3.6.5
- 一种数据聚类算法的源码，可以在模式识别和图像处理中试用。 -a data clustering algorithm source code, in pattern recognition and image processing trial.
MLP
- 本程序实做MLP(Multi-layer perceptron)算法，使用者可以自行设定训练数据集与测试数据集，将训练数据集加载，在2、3维下可以显示其分布状态，并分别设定键节值、学习率、迭代次数来训练其类神经网络，最后可观看辨识率与RMSE（Root Mean squared error）来判别训练是否可以停止。
beyes
- 1.基于Bayes分类的MATLAB程序 2.遗传算法求解函数优化 3.基于Matlab的人工免疫算法 4.空间数据分析中最常用的是聚类分析(k均值算法代码) 5.蚁群算法的matlab源码
RBF
- 文中设计了一个3层径向基神经网络(RBFN)用于对企业的5项评价指标进行聚类分析，并与蚁群算法做了比较分析。RBFN由输入层 到隐含层采用传统的K一均值算法，隐含层到输出层通过“模2递减”学习速率的BP学习；蚁群算法根据信息素的分配能够自动调整收索 路径，从而达到数据自动聚类的目的。结果表明，与蚁群算法相比，改进RBFN具有快速收敛、自动识别奇异样本的优点，而蚁群算法 无须教师学习，并能够达到全局最优。
DM4
- 执行流程： 1. 用户输入参数：K的选择，训练数据，测试数据的路径； 2. 读取训练数据集和测试数据集文件，用ArffFileReader类读取并组织起InstanceSet数据结构； 3. 利用上面的相似度量标准，对每一个测试集中的Instance，计算与其最相似的K个训练集中的Instance，通过投票进行分类，将分类结果存储经Instance的成员变量targetGuess中； 4. 对分类结果进行度量，包括分类正确率，各种类别实例的Precision，Recall；Con
Workpiecefeatureextraction
- 1、有9个工件图像，要求从本章讲授的特征提取方法中，选择3~5种提取工件特征并给出数字结果；链码为必选方法，给出数字结果和图形显示，做到链码和原图像的双向变换显示。（实验报告中应描述相应的特征提取方法并略述实现过程） 2、设计的界面中要具备功能：任选1个工件作为目标，以上述实现的特征提取方法识别该目标的工件类型（即序号），并显示该判别基准特征的数据。 3、有可能的话试用聚类、训练或其他方法对这些工件进行分类。 -err
weka-3-4-12
- weka全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），是一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化-full name is weka intelligent analysis environment Waikato (Waikato Environment for Knowledge Analysis), is an o
moshishibie
- 先用C-均值聚类算法程序，并用下列数据进行聚类分析。在确认编程正确后，采用蔡云龙书的附录B中表1的Iris数据进行聚类。然后使用近邻法的快速算法找出待分样本X（设X样本的4个分量x1=x2=x3=x4=6；子集数l=3）的最近邻节点和3-近邻节点及X与它们之间的距离。-First C-means clustering algorithm procedures and with the following data for cluster analysis. After confirming t
hierarchicalcluster
- 和同学一起写的层次聚类算法，数据挖掘的第3次大作业，有设计文档，有注释，下载即可运行。希望批评指正-And students to write with hierarchical clustering algorithms, data mining, the 3rd largest operations, with some design documents, with annotations, download to run. Want to criticize the correction
weka-3-7-0jre
- 最近的weka数据处理软件版本，可以对数据进行初始化，聚类、回归等等操作，功能强大，操作方便-Recent weka data processing software version, you can initialize the data, clustering, regression, etc. operation, powerful, easy to operate
KMEANS
- k-means C++ 源代码， 修正原来的错误， 增加的新功能 1、用vector实现其存储 2、直接在程序中读取数据集 3、结果可以保存到文件中 4、用户可以输入聚类个数 5、初始聚类中心随机选择(代码自动随机)-k-means C++ source code, fixes the original error, the increase in new features 1, 2, with the vector to achieve its store dire
k_means
- k均值处理流程： （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（3）到（4）直到每个聚类不再发生变化为止； （3） 根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离；并根据最小距离重新对相应对象进行划分； （4） 重新计算每个（有变化）聚类的均值（中心对象）-k means
FCM_iris
- 2. iris鸢尾植物数据 a) 数据集描述：该数据集包含150个实例，属性个数为4，已知分为3类。 b) 参数选择： 聚类数为3 加权指数m=2 最大迭代次数为1000，隶属度最小变化量1e-5 -1. Iris iris plant data A) data set descr iption: the data set contains 150 examples, the number of attribute
ap-CPP
- 实现AP聚类分析的c语言源代码 包含3个程序文件和一份测试数据-ap cluster c++
k-iris
- 模式识别中用于完成数据的分类而用到的一种方法-k近邻。是将已有数据划分到3个类中，本方法中解决数据Iris数据的划分问题。将150个4维数据划分到3类。K近邻法是求最近的K个元素从而将其划分到已有类中。-Pattern recognition for the completion of the classification of the data used in a way-k neighbors. The existing data are divided into three classes
test_01_Kmeans
- K_means聚类分析，内含1个图片的3维数据聚类分析例子-K_means cluster analysis
AIS聚类
- 实验目的 1.对AIS数据按照上行、下行船舶轨迹点进行分类。 2.掌握基于密度聚类方法原理（以DBSCAN为例）。 3.熟悉AIS数据处理的基本方法。 4.熟悉船舶运动模式辨识的基本原理和方法。 实验环境 Matlab(Purpose 1. The AIS data are classified according to the upstream and downstream ship's track points. 2. Master the principle of density clus
Irisflower-class-code
- 实验将Iris花的数据集分为2组，每组各75个样本，每组中每种花各有25个样本。其中一组作为以上程序的训练样本，另外一组作为检验样本。为了方便训练，将3类花分别编号为1，2，3 。 使用这些数据训练一个4输入（分别对应4个特征），3输出（分别对应该样本属于某一品种的可能性大小）的前向网络。(The data set of Iris flower was divided into 2 groups, 75 samples in each group. Each group had 25 sam