#Kmeans

matlab实现kmeans算法

matlab实现kmeans算法kmeans是一种聚类算法（无监督学习）。算法分为两步：1.随机选取k个聚类中心。2.计算每个样本点离哪个聚类中心最近（距离计算）就将该样本分为这个类。
u012331016·2015-05-13 15:00

Kmeans算法解析及基于mapreduce的实现

Kmeans算法：k-means算法接受参数k；然后将事先输入的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。
panjf2000·2015-05-13 01:00

Spark MLlib KMeans聚类算法

1.1KMeans聚类算法1.1.1基础理论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。
sunbow0·2015-05-12 19:05

Spark MLlib KMeans聚类算法

1.1KMeans聚类算法1.1.1基础理论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。
sunbow0·2015-05-12 19:00

Win8 Metro(C#)数字图像处理--2.52图像K均值聚类

[函数名称]  图像KMeans聚类      KMeansCluster(WriteableBitmap src,int k)/// ///KMeansClusterprocess. /// //
Trent1985·2015-04-18 09:00

Kmeans算法的优缺点

K-means算法的优点是：首先，算法能根据较少的已知聚类样本的类别对树进行剪枝确定部分样本的分类；其次，为克服少量样本聚类的不准确性，该算法本身具有优化迭代功能，在已经求得的聚类上再次进行迭代修正剪枝确定部分样本的聚类，优化了初始监督学习样本分类不合理的地方；第三，由于只是针对部分小样本可以降低总的聚类时间复杂度。K-means算法的缺点是：首先，在K-means算法中K是事先给定的，这个K值的
bellengao·2015-04-13 13:46

Fisher准则线性分类器的Python实现

Python实现选取的训练集与测试集分类决策与分类器代码测试集上的结果本节内容：本节内容是根据上学期所上的模式识别课程的作业整理而来，第二道题目是线性分类器设计，数据集是Iris(鸢尾花的数据集)，根据前一题的Kmeans
浮舟·2015-04-12 16:36

Kmeans聚类算法及其Python实现

Kmeans聚类算法及其Python实现Kmeans聚类算法及其Python实现关于聚类基本思想初始质心的选择算法实验Python实现本节内容：本节内容是根据上学期所上的模式识别课程的作业整理而来，第一道题目是
浮舟·2015-04-12 12:03

数据挖掘算法之聚类分析（二）canopy算法

来对数据进行计算，可以达到将一堆混乱的数据分类成有一定规则的n个数据堆由于canopy算法本身的目的只是将混乱的数据划分成大概的几个类别，所以它是不太准确的但是通过canopy计算出来的n个类别可以用在kmeans
qq1010885678·2015-04-11 19:00

mahout运行测试与数据挖掘算法之聚类分析（一）kmeans算法解析

hadoop集群将mahout的包上传至linux中并解压即可mahout下载地址：点击打开链接mahout中的算法大致可以分为三大类：聚类，协同过滤和分类其中常用聚类算法有：canopy聚类，k均值算法（kmeans
qq1010885678·2015-04-10 20:00

Coursera上Andrew Ng机器学习课程总结（二）

//Initializecentroidscentroids=kMeansInitCentroids(X,K);foriter=1:iterations//Clusterassignment
Crawler_Star·2015-04-07 21:27

数据挖掘学习清单

  基础篇 矩阵背后的现实意义 概率分布 无约束最优化方法 拉格朗日乘子法和KKT条件 推荐 相关性检验 协同过滤推荐算法 分类 朴素贝叶斯 LR SVM 聚类 KMeans
·2015-04-01 19:00

基本Kmeans算法介绍及其实现

1.基本Kmeans算法[1][cpp] viewplaincopy选择K个点作为初始质心  repeat      将每个点指派到最近的质心，形成K个簇      重新计算每个簇的质心  until 
chentravelling·2015-03-29 14:00

SIFT学习资源，持续更新 . . .

我就跟着他们的路一步一步慢慢来吧~Paper下载：https://www.cs.ubc.ca/~lowe/papers/ijcv04.pdfRobHess的源码分析：综述RobHess算法理解及解释SIFT+KMeans
ZYTTAE·2015-03-28 16:00

蜗龙徒行-Spark学习笔记【二】Spark shell下kmeans聚类算法的应用

在终端打开spark-shell然后在scala编辑模式下依次输入以下命令：//导入算法执行所需函数库importorg.apache.spark.mllib.clustering.KMeansimportorg.apache.spark.mllib.linalg.Vectors
cafuc46wingw·2015-03-26 12:00

Hadoop vs Spark性能对比

基于Spark-0.4和Hadoop-0.20.21.Kmeans数据：自己产生的三维数据，分别围绕正方形的8个顶点{0,0,0},{0,10,0},{0,0,10},{0,10,10},{10,0,0
jmppok·2015-03-25 10:00

Hadoop vs Spark性能对比

基于Spark-0.4和Hadoop-0.20.21.Kmeans数据：自己产生的三维数据，分别围绕正方形的8个顶点{0,0,0},{0,10,0},{0,0,10},{0,10,10},{10,0,0
jmppok·2015-03-25 10:00

基本Kmeans算法介绍及其实现

申明：本文非逼着原创，原文转载自：http://blog.csdn.net/qll125596718/article/details/82434041.基本Kmeans算法[1][cpp] viewplaincopy
carson2005·2015-03-19 22:00

机器学习方法：回归（一）：线性回归Linear regression

content:linearregression,Ridge,LassoLogisticRegression,SoftmaxKmeans,GMM,EM
大饼博士X·2015-03-19 22:47

机器学习方法：回归（一）：线性回归Linear regression

content:linearregression,Ridge,LassoLogisticRegression,SoftmaxKmeans,GMM,EM
xbinworld·2015-03-19 22:00

Kmeans、Kmeans++和KNN算法比较

K-Means介绍    K-means算法是聚类分析中使用最广泛的算法之一。它把n个对象根据他们的属性分为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。其聚类过程可以用下图表示：    如图所示，数据样本用圆点表示，每个簇的中心点用叉叉表示。(a)刚开始时是原始数据，杂乱无章，没有label，看起来都一样，都是绿色的。(b)假设数据集可以分为两类，令
gshengod·2015-03-12 16:00

Kmeans、Kmeans++和KNN算法比较

ＦＲＯＭ：http://blog.csdn.net/loadstar_kun/article/details/39450615K-Means介绍    K-means算法是聚类分析中使用最广泛的算法之一。它把n个对象根据他们的属性分为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。其聚类过程可以用下图表示：    如图所示，数据样本用圆点表示，每个簇的中
Real_Myth·2015-03-12 10:00

【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。
lavorange·2015-02-01 21:00

与数据挖掘有关或有帮助的R包和函数的集合

1、聚类常用的包：fpc，cluster，pvclust，mclust基于划分的方法:kmeans,pam,pamk,clara基于层次的方法:hclust,pvclust,agnes,diana基于模型的方法
dongzhumao86·2015-01-28 21:00

OpenCV+KMeans算法

#include #include usingnamespacestd; usingnamespacecv; intmain(intargc,char**argv) { #defineMAX_CLUSTERS5 CvScalarcolor_table[MAX_CLUSTERS]; IplImage*img=cvCreateImage(cvSize(500,500),8,3); cvNamedW
liuguiyangnwpu·2015-01-23 19:00

K-means clustering is not a free lunch

http://varianceexplained.org/r/kmeans-free-lunch/https://github.com/dgrtwohttp://varianceexplained.org
wangzhebupt·2015-01-18 19:00

Kmeans聚类

 #include"opencv2/opencv.hpp" #include #include usingnamespacecv; usingnamespacestd; //这是Kmeans算法的一个缺点
huixingshao·2015-01-14 14:00

Kmeans聚类

k-means聚类之前看了好多关于kmeans聚类的资料，大致意思稍微了解了，但是自己写程序还是编不出来。最主要的原因是自己的编程能力太差了。
qunxingvip·2015-01-11 19:00

简单易学的机器学习算法——kMeans

二、kMeans算法的概述  基本kMeans算法的思想很简单，事先确定常数k，常数k意味着最终的聚类类别数，首先随
fandoudou123·2015-01-10 09:00

OpenCV kmeans代码

   代码：出处忘了 // //Example13-1.UsingK-means // // /****************License:************************** Oct.3,2008 Righttousethiscodeinanywayyouwantwithoutwarrenty,supportoranyguarenteeofitworking.
wangyaninglm·2014-12-10 16:00

kmeans聚类算法matlab实现

运行界面（可以支持任意维数据）单介绍下kmeans算法流程：假设要把样本集分为c个类别，算法描述如下：（1）适当选择c个类的初始中心；（2）在第k次迭代中，对任意一个样本，求其到c各中心的距离，将该样本归到距离最短的中心所在的类
ybyly·2014-12-08 20:12

kmeans聚类练习

聚类算法，不是分类算法。分类算法是给一个数据，然后判断这个数据属于已分好的类中的具体哪一类。聚类算法是给一大堆原始数据，然后通过算法将其中具有相似特征的数据聚为一类。这里的k-means聚类，是事先给出原始数据所含的类数，然后将含有相似特征的数据聚为一个类中。所有资料中还是AndrewNg介绍的明白。首先给出原始数据{x1,x2,...,xn}，这些数据没有被标记的。初始化k个随机数据u1,u2,
fandoudou123·2014-11-26 20:00

matlab中k-均值聚类详解

使用方法：Idx=kmeans(X,K)[Idx,C]=kmeans(X,K)[Idx,C,sumD]=kmeans(X,K)[Idx,C,sumD,D]=kmeans(X,K)[…]=kmeans(…
fandoudou123·2014-11-26 19:00

Spark MLBase分布式机器学习系统入门：以MLlib实现Kmeans聚类算法

1.什么是MLBaseMLBase是Spark生态圈的一部分，专注于机器学习，包含三个组件：MLlib、MLI、MLOptimizer。MLOptimizer:ThislayeraimstoautomatingthetaskofMLpipelineconstruction.TheoptimizersolvesasearchproblemoverfeatureextractorsandMLalgor
超人学院·2014-11-25 10:00

python K-means工具包初解

2.若是直接算中心点的话，直接调用kmeans2函数就行，后面的画图，只为了可视化。#!/usr/bi
u010454729·2014-11-16 00:00

R语言与数据挖掘学习笔记(常用的包)

1、聚类常用的包：fpc，cluster，pvclust，mclust基于划分的方法:kmeans,pam,pamk,clara基于层次的方法:hclust,pvclust,agnes,diana基于模
u013524655·2014-11-13 21:00

spark-mllib-kmeans向量表示和距离计算

mllib在实现kmeans的过程中，对于距离的计算，使用了一些技巧。
suqier1314520·2014-11-04 15:00

Canopy算法计算聚类的簇数

Kmeans算是是聚类中的经典算法，过程如下：选择K个点作为初始质心repeat将每个点指派到最近的质心，形成K个簇重新计算每个簇的质心until簇不发生变化或达到最大迭代次数算法中的K需要人为的指定。
dliyuedong·2014-11-02 16:00

聚类算法-Kmeans算法的简单实现

1.聚类与分类的区别：首先要来了解的一个概念就是聚类，简单地说就是把相似的东西分到一组，同Classification(分类)不同，对于一个classifier，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个classifier会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做supervisedlearning(监督学习)，
damotiansheng·2014-10-29 10:54

聚类算法-Kmeans算法的简单实现

1.聚类与分类的区别：  首先要来了解的一个概念就是聚类，简单地说就是把相似的东西分到一组，同Classification(分类)不同，对于一个classifier，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个classifier会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做supervisedlearning(监督学习
damotiansheng·2014-10-29 10:00

R语言数据挖掘相关包介绍

1、聚类常用的包：fpc，cluster，pvclust，mclust基于划分的方法:kmeans,pam,pamk,clara基于层次的方法:hclust,pvclust,agnes,diana基于模型的方法
猪猪daxia·2014-10-17 17:00

Weka算法Clusterers-DBSCAN源码分析

DBSCAN作为基于密度聚类算法的典型，相对于Kmeans，最大优点是可以自己决定聚类数量，同时可以过滤一些噪点，但相对的，对传入的参数较为敏感，并且参数调优全靠经验。
ROger__wonG·2014-10-12 20:00

R：Kmeans

nrow=6,byrow=T) >dataset [,1][,2] [1,]1.02.0 [2,]1.22.0 [3,]8.09.0 [4,]0.91.8 [5,]7.010.0 [6,]8.89.2 >kmeans
樂天·2014-10-05 11:00

k-means聚类算法

function[ClusterCodebook]=cvKmeans(X,K,stopIter,distFunc,verbose) if~ex
dayenglish·2014-10-04 18:00

Weka算法Clusterers-Xmeans源码分析（二）

首先处理两个问题，第一个是splitCenter用于对已有中心进行分裂，第二个是newCentersAfterSplit，根据分裂后的BIC计算出新的聚类中心，这个分裂机制可以算是XMeans区别于KMeans
ROger__wonG·2014-10-03 17:00

Weka算法Clusterers-Xmeans源码分析（一）

顺便说一下Weka原生的Kmeans算法是SimpleKMeans聚类器。K-means算法是属于典型的简单但有有效的算法，具有非常直观的美感，其过程如下：输入：
ROger__wonG·2014-09-30 22:00

基于坐标位置（Location）的聚类——特殊的kmeans

需求：     在手机地图上，公交或者自驾，经常请求导航的起点终点。如何知道哪些是热点区域（特别是时间相关的热点区域）？ 方法1：基于搜索的关键词 地名（用户输入的终点）进行文本聚类。然后将地名进行经纬度转换，即可找到热点区域。 方法2：基于用户终点的坐标。 方法1：对于做搜索的人来说，太熟悉不过，一个hash map就可以搞定了。但方法1的局限性
lvdccyb·2014-09-24 21:00

Kmeans、Kmeans++和KNN算法比较

K-Means介绍    K-means算法是聚类分析中使用最广泛的算法之一。它把n个对象根据他们的属性分为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。其聚类过程可以用下图表示：    如图所示，数据样本用圆点表示，每个簇的中心点用叉叉表示。(a)刚开始时是原始数据，杂乱无章，没有label，看起来都一样，都是绿色的。(b)假设数据集可以分为两类，令
loadstar_kun·2014-09-21 12:00

EM 算法 的简单理解

虽然EM算法也可以进行数据聚类，并且基于混合高斯分布进行数据拟合，但是由于EM算法进行迭代速度很慢，比kmeans性能差很多，并且
xyqzki·2014-09-15 22:00

R语言数据挖掘相关包总结-转帖

1、聚类 常用的包： fpc，cluster，pvclust，mclust 基于划分的方法: kmeans, pam, pamk, clara 基于层次的方法: hclust, pvclust, agnes
·2014-09-09 22:00
上一页 54 55 56 57 58 59 60 61 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他