#Kmeans

机器学习——kMeans算法（K均值聚类算法）

       机器学习中有两类的大问题，一个是分类，一个是聚类。分类是根据一些给定的已知类别标号的样本，训练某种学习机器，使它能够对未知类别的样本进行分类。这属于supervisedlearning（监督学习）。而聚类指事先并不知道任何样本的类别标号，希望通过某种算法来把一组未知类别的样本划分成若干类别，这在机器学习中被称作unsupervisedlearning（无监督学习）。在本文中，我们关注
Gamer_gyt·2015-10-07 15:00

《机器学习实战》二分-kMeans算法（二分K均值聚类）

=====================================================================《机器学习实战》系列博客是博主阅读《机器学习实战》这本书的笔记也包含一些其他python实现的机器学习算法算法实现均采用pythongithub源码同步：https://github.com/Thinkgamer/Machine-Learning-With-Py
Thinkgamer_·2015-10-07 15:34

机器学习——二分-kMeans算法（二分-K均值聚类算法）

首先二分-K均值是为了解决k-均值的用户自定义输入簇值k所延伸出来的自己判断k数目，其基本思路是：为了得到k个簇，将所有点的集合分裂成两个簇，从这些簇中选取一个继续分裂，如此下去，直到产生k个簇。伪代码：初始化簇表，使之包含由所有的点组成的簇。 repeat 从簇表中取出一个簇。 {对选定的簇进行多次二分试验} fori=1to试验次数do 使用基本k均值，二分选定的簇。 endfor 从二分试验
Gamer_gyt·2015-10-07 15:00

Spark MLlib之机器学习（三）

本篇介绍的内容有：KMeans、PCA（PrincipalConponentAnalysis）和SVD（SingularValueDecomposition）。
u010376788·2015-10-05 17:00

模式识别经典算法——FCM图像聚类分割（最简matlab实现）

算法的规格算法的记号及参数记号更新公式算法的流程数学语言与程序语言算法的实现matlab客户端程序FCM函数效果演示敛散性分析聚类分割效果图避免出现局部极小值的方法从kmeans各个样本所属类别的非此即彼
lanchunhui·2015-10-02 10:00

模式识别经典算法——Kmeans图像聚类分割（以最短的matlab程序实现）

kmeans之于模式识别，如同“helloworld”之于C、之于任何一门高级语言。
lanchunhui·2015-10-01 09:00

kmeans聚类的实现

Kmeans算法流程从数据中随机抽取k个点作为初始聚类的中心，由这个中心代表各个聚类计算数据中所有的点到这k个点的距离，将点归到离其最近的聚类里调整聚类中心，即将聚类的中心移动到聚类的几何中心（即平均值
u014568921·2015-09-30 01:00

Kmeans聚类及图像分割

Kmeans是最简单的聚类算法之一，应用十分广泛，Kmeans以距离作为相似性的评价指标，其基本思想是按照距离将样本聚成不同的簇，两个点的距离越近，其相似度就越大，以得到紧凑且独立的簇作为聚类目标。
jteng·2015-09-29 21:08

Kmeans聚类及图像分割

Kmeans是最简单的聚类算法之一，应用十分广泛，Kmeans以距离作为相似性的评价指标，其基本思想是按照距离将样本聚成不同的簇，两个点的距离越近，其相似度就越大，以得到紧凑且独立的簇作为聚类目标。
jteng·2015-09-29 21:00

KMeans笔记 K值以及初始类簇中心点的选取

KMEANS算法原理：1、从D中随机取k个元素，作为k个簇的各自的中心。2、分别计算剩下的元素到k个簇中心的欧氏距离，将这些元素分别划归到相异度最低的簇。
ZhikangFu·2015-09-14 10:00

mahout学习之二——mahout0.9kmeans聚类实例

最近学习《Mahout实战》，但是书中的代码是实用mahout0.5版本，很多地方在mahout0.9版本中已经改头换面了，经调试，阅读mahout0.9api，运行结果如图：修改代码如下：packagecn.kelaile.hadooptest;importorg.apache.hadoop.conf.Configuration;importorg.apache.hadoop.fs.FileSy
u010910436·2015-09-12 15:00

kmeans 初步学习小结

接触kmeans算法比较长时间了，但是一直没好好明白怎么回事。推荐几个好点的链接。
nataliebky·2015-09-09 15:00

聚类算法分析——Kmeans算法

Kmeans算法的基本思想是初始随机给定K个簇中心，按照最邻近原则把待分类样本点分到各个簇。然后通过计算各个簇中数据点的平均值，更新簇中心，迭代至满足收敛条件。
daisy9212·2015-09-07 22:44

K-means聚类分析MATLAB代码

functionkmeans loadq1x.dat; a1=round(98*rand+1); a2=round(98*rand+1); miao1=[q1x(a1,1),q1x(a1,2)]; miao2
qrlhl·2015-09-07 15:00

Kmeans和GMM参数学习的EM算法原理和Matlab实现

本文整理自JerryLead的博文“《K-means聚类算法》”，“《（EM算法）TheEMAlgorithm》”，“《混合高斯模型（MixturesofGaussians）和EM算法》”，以及自己编写的关于GMM的Matlab实现。好的博文还有：pluskid的《漫谈Clustering(3):GaussianMixtureModel》和《漫谈Clustering(番外篇):Expectatio
wjbwjbwjbwjb·2015-09-01 20:00

项目的复习和回忆记录

1、图像颜色转换与梯度保持源图像src参考图像ref使用kmeans聚类算法得到：S集合R集合使用EMD算法去做一个S集合与R集合中元素的一一匹配使用均值方差去计算颜色新值pi:=m2--(pi–m1)
小许先生·2015-08-31 22:06

项目的复习和回忆记录

1、图像颜色转换与梯度保持源图像src参考图像ref使用kmeans聚类算法得到：S集合R集合使用EMD算法去做一个S集合与R集合中元素的一一匹配使用均值方差去计算颜色新值pi:=m2--(pi–m1)
小许先生·2015-08-31 22:06

数据挖掘--kmeans聚类算法mapreduce实现 代码

==================cluster.txt===========================A   2   2B   2   4C   4   2D   4   4E   6   6F   6   8G   8   6H   8   8==================cluster.center.conf===========================K1   3  
benpaobagzb·2015-08-28 21:00

数据挖掘--kmeans聚类算法mapreduce实现

通过聚类算法可以把相似度高的一类对象归为一类，从而实现“物以类聚”；我们可以用来对用户进行聚类分群、节目分组等实际应用。附件是核心MR的实现和实验数据。基本简介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。编辑本段处
benpaobagzb·2015-08-28 21:00

KMeans聚类算法思想与可视化

1.聚类分析1.0概念聚类分析简称聚类（clustering），是一个把数据集划分成子集的过程，每一个子集是一个簇（cluster），使得簇中的样本彼此相似，但与其他簇中的样本不相似。聚类分析不需要事先知道样本的类别，甚至不用知道类别个数，因此它是一种无监督的学习算法，一般用于数据探索，比如群组发现和离群点检测，还可以作为其他算法的预处理步骤。下面的动图展示的是一个聚类过程，感受一下：1.1基本聚
u012162613·2015-08-20 18:00

Java实现Kmeans算法

Kmeans算法的Java实现，源码放在github上，大家有兴趣可以下下来看看， 源码地址：https://github.com/l294265421/algorithm-kmeans实现该算法主要阅读的书籍是
l294265421·2015-08-14 22:00

Kmeans中k值的相关理论

Kmeans算法作为机器学习十大算法之一，它的流程相信不用多说，这里说下它的缺点：1.需要提前给定k值2.对初始聚类中心的选取有很大的依赖性3.如果长时间不能收敛，计算时间会很长。
u012303532·2015-08-10 22:00

Kmeans算法介绍及其实现

KMeans算法的基本思想是初始随机给定K个簇中心，按照最邻近原则把待分类样本点分到各个簇。然后按平均法重新计算各个簇的质心，从而确定新的簇心。一直迭代，直到簇心的移动距离小于某个给定的值。 
qq_18343569·2015-08-07 20:00

文本挖掘学习资料

数据挖掘-基于贝叶斯算法及KNN算法的newsgroup18828文档分类器的JAVA实现（上）数据挖掘-基于贝叶斯算法及KNN算法的newsgroup18828文档分类器的JAVA实现（下）数据挖掘-基于Kmeans
nysyxxg·2015-08-05 17:00

Kmeans聚类Python程序

之前写过两个关于kmeans的博客kmeans理论介绍kmeans与dbscan的对比再说下算法的过程：1.随机的选取k个聚类中心，这个k是有自己设置的2.计算数据集到k个聚类中心的距离3.对一条数据，
qunxingvip·2015-08-02 17:00

kmeans算法原理及opencv中的实现

算法的目的：数据分类，聚类，识别对象和标准：输入：n个数据对象输出：k个类别,且满足方差最小的k个聚类，聚类方差度量每个对象与聚类的相似度：一般是采用各个对象到聚类中心（一般是均值中心）的距离，距离哪个中心近，就是与哪个类的相似度高。聚类的紧密度度量（聚类好坏的度量）：所有对象到各自聚类中心的方差和。基本算法步骤：初始化：从n个数据对象任意选择k个对象作为初始聚类中心；迭代：  1.根据每个聚类对
viewcode·2015-07-31 10:00

ADC方法(asymmetric distance computation)

ADC方法是对图片库中，除queryvectorx之外的所有图的vectorY=y1,y2...yn，做kmeans产生k个聚类中心，用log2kbit编码这k个cent
happyer88·2015-07-25 11:00

Python下opencv使用笔记（十二）（k均值算法之图像分割）

k均值（kmeans）聚类是一种最为简单的聚类方法，直接根据数据点之间的距离（欧氏距离，几何距离等等）来划分数据是属于哪一类的，当所有数据点所属的类别不在变化的时候，聚类也就完成了。
on2way·2015-07-24 11:00

Spark MLlib 算法

SparkMLlibKMeans聚类算法http://blog.csdn.net/sunbow0/article/details/45673613SparkMLlibStatistics统计http:/
yizheyouye·2015-07-23 10:00

Kmeans

/********/importjava.io.BufferedReader;importjava.io.FileNotFoundException;importjava.io.FileReader;importjava.io.FileWriter;importjava.io.IOException;importjava.util.ArrayList;importjava.util.HashMap
dajianganya·2015-07-21 11:20

_kmeans_single()

def _kmeans_single(X, n_clusters, x_squared_norms, max_iter=300,                    init='k-means++',
py_god·2015-07-16 21:00

_kmeans_single()

参数：——————————————————————流程：——————————————————————def _kmeans_single(X, n_clusters, x_squared_norms, 
py_god·2015-07-16 20:00

k-means算法MATLAB和opencv代码

以下是MATLAB代码，实现用k-means进行分割：%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 功能：实现如何利用Kmeans聚类实现图像的分割； 时间：
autocyz·2015-07-06 13:00

大数据环境下基于R语言的数据挖掘平台 之 大数据处理与导出模块

并将Kmeans聚类算法与朴素贝叶斯分类算法用MapReduce编程框架实现。Kmeans聚类算法的MapReduce化该过程包
claire_bear7·2015-07-05 18:16

Kmeans聚类与dbscan聚类对比

kmeans聚类特点：1.无监督学习2.人为的输入要聚的类数k3.一般是计算的欧式距离判断相似性4.每次随机的选取k个聚类中心，聚类结果受随机选取的类中心影响比较大5.简单算法过程：1.输入训练数据集，
qunxingvip·2015-06-29 21:00

【CUDA并行编程之八】Cuda实现Kmeans算法

本文主要介绍如何使用CUDA并行计算框架编程实现机器学习中的Kmeans算法，Kmeans算法的详细介绍在这里，本文重点在并行实现的过程。
u014568921·2015-06-24 09:00

hadoop下的Kmeans算法实现

转自：hadoop下的Kmeans算法实现一前一段时间，从配置hadoop到运行kmeans的mapreduce程序，着实让我纠结了几天，昨天终于把前面遇到的配置问题和程序运行问题搞定。
u014568921·2015-06-15 16:00

GMM高斯混合模型学习笔记（EM算法求解）

GMM与kmeans类似，也是属于clustering，不同的是，kmeans是把每个样本点聚到其中一个cluster，而GMM是给出这些样本点到每个cluste
July_Zh1·2015-06-11 23:55

GMM高斯混合模型学习笔记（EM算法求解）

GMM与kmeans类似，也是属于clustering，不同的是，kmeans是把每个样本点聚到其中一个cluster，而GMM是给出这些样本点到
happyer88·2015-06-11 23:00

Lire源码解析一

这里主要给出的是BOVWBuilder.java、Kmeans.java及Cluster.java。
Lu597203933·2015-06-02 19:00

【C++】将坐标点进行聚类的Kmeans实现

Kmeans算法的实现步骤：1、从D中随机取k个元素，作为k个簇的各自的中心。2、分别计算剩下的元素到k个簇中心的相异度（元素到簇中心的欧氏距离），将这些元素分别划归到相异度最低的簇。
hero_myself·2015-05-31 23:00

Spark（十一） -- Mllib API编程 线性回归、KMeans、协同过滤演示

本文测试的Spark版本是1.3.1在使用Spark的机器学习算法库之前，需要先了解Mllib中几个基础的概念和专门用于机器学习的数据类型特征向量Vector：Vector的概念是和数学中的向量是一样的，通俗的看其实就是一个装着Double数据的数组Vector分为两种，分别是密集型和稀疏型创建方式如下：valarray:Array[Double]=... valvector=Vector.den
qq1010885678·2015-05-27 19:00

Matlab聚类分析_层次聚类+kmeans聚类等

Matlab提供了两种方法进行聚类分析。一种是利用clusterdata函数对样本数据进行一次聚类，其缺点为可供用户选择的面较窄，不能更改距离的计算方法；另一种是分步聚类：（1）找到数据集合中变量两两之间的相似性和非相似性，用pdist函数计算变量之间的距离；（2）用linkage函数定义变量之间的连接；（3）用cophenetic函数评价聚类信息；（4）用cluster函数创建聚类。1．Matl
a1b2c3d4123456·2015-05-24 22:00

kmeans聚类中的坑 基于R shiny 可交互的展示

由于之前看过一篇讨论kmenas聚类针对某一特定数据类型，聚类结果非常不靠谱的文章，于是这个周末突发奇想，用shiny可交互的展示kmeans聚类中的坑。。。
龙君蛋君·2015-05-24 12:00

OpenCV学习入门（四）：RNG 伪随机问题

在我的上一篇博客《OpenCV学习入门（三）：kmeans原理及代码》中调试kmeans时发现一个问题：每次运行时，以下两行代码intclusterCount=rng.uniform(2,MAX_CLUSTERS
electech6·2015-05-16 16:00

kmeans

kmeans是很经典的一种聚类方法，也比较简单，本文主要记录kmeans的思路，代码以后再补。
happyer88·2015-05-16 10:00

Stanford机器学习课程笔记4-Kmeans与高斯混合模型

这一部分属于无监督学习的内容，无监督学习内容主要包括：Kmeans聚类算法、高斯混合模型及EM算法、FactorAnalysis、PCA、ICA等。
xiahouzuoxin·2015-05-15 17:35

Stanford机器学习课程笔记4-Kmeans与高斯混合模型

这一部分属于无监督学习的内容，无监督学习内容主要包括：Kmeans聚类算法、高斯混合模型及EM算法、FactorAnalysis、PCA、ICA等。
xiahouzuoxin·2015-05-15 17:00

OpenCV学习入门（三）：kmeans原理及代码

Kmeans是一种非监督的聚类方法，是最常用的聚类技术之一。kmeans尝试找到数据的自然类别，通过用户设定的类别个数K，它可以快速的找到“好的”类别中心，“好的”意味着聚类中心位于数据的自然中心。
计算机视觉life·2015-05-15 15:13

OpenCV学习入门（三）：kmeans原理及代码

Kmeans是一种非监督的聚类方法，是最常用的聚类技术之一。kmeans尝试找到数据的自然类别，通过用户设定的类别个数K，它可以快速的找到“好的”类别中心，“好的”意味着聚类中心位于数据的自然中心。
electech6·2015-05-15 15:00
上一页 53 54 55 56 57 58 59 60 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他