层次聚类

聚类算法综述

划分聚类、层次聚类、基于密度的聚类、基于表格的聚类。（1）划分聚类  对于给定的数据集，划分聚类需要知道要划分簇的数目k（k<=n,n是数据集中项的数目）。划分聚类将数据分为k组，每组至少有一项。
Gu Feiyang·2014-05-14 20:00

层次聚类 Hierarchical Clustering

聚类系列：聚类(序)----监督学习与无监督学习聚类(1)----混合高斯模型GaussianMixtureModel聚类(2)----层次聚类HierarchicalClustering聚类(3)--
zhubo22·2014-04-25 14:00

聚类分析（四）层次聚类算法

层次聚类算法：前面介绍的 K-means 算法和 K 中心点算法都属于划分式（ partitional ）聚类算法。
zaozxueyuan·2014-03-30 21:00

聚类分析（五）基于密度的聚类算法 — DBSCAN

一 什么是基于密度的聚类算法由于层次聚类算法和划分式聚类算往往只能发现凸形的聚类簇。为了弥补这一缺陷，发现各种任意形状的聚类簇，开发出基于密度的聚类算法。
zaozxueyuan·2014-03-30 21:00

聚类算法之DBScan(C++)

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。
DiamonJoy·2014-03-09 16:36

层次聚类（1）

层次聚类算法不同于其它算法，主要体现在它不是只生成一个分类结果，而是产生一系列原模式集合的分类结果，每个分类结果满足一些限制。
bendanban·2014-01-09 22:00

机器学习常用算法

Bagging 和Boosting （七）最大熵（八）Logistic 回归（九）感知机二、聚类算法（一）基于划分（K-means、K-medoids、Clara、Clarans,k-pototypes）（二）层次聚类
yueyedeai·2013-11-08 17:00

层次聚类的具体实现 Hierarchical clustering implementation

Singlelinkage(nearestneighbor)：两个cluster中最近的对象的距离为cluster之间的距离；Completelinkage(furthestneighbor)：两个cluster中最远的对象的距离为cluster之间的距离；Groupaveragelinkage：两个cluster中对象的平均距离为cluster之间的距离；Single-Link下面以为例讲解具体
x_yz_·2013-10-21 10:00

层次聚类方法

为了不在这个参数的选取上花费太多时间，可以考虑层次聚类。
u010064842·2013-10-06 18:00

聚类算法之K-均值聚类

先看一张图（来自集体智慧编程）这个算法思路很简单，就是最开始的时候随便定k个点，然后遍历每一个原图的点，使得每一个点都归属与那k个点中的一个，然后更新那k个点的位置（一般是中点）这个算法是解决当数据太多的时候层次聚类的算法太慢而设计的
ygqwan·2013-10-04 19:00

聚类算法之层次聚类

分级聚类就是一棵树加入我们有如下一张图那么通过聚类之后形成一颗如下的树：现在就分好了级，而且还能看出距离关系，很明显ab之间的距离比de之间的距离要短#coding:utf-8 importos importsys importchardet frommathimportsqrt fromPILimportImage,ImageDraw importrandom defreadFile(file
ygqwan·2013-10-04 15:00

[转]聚类算法实践（2）——谱聚类、Chameleon聚类

聚类算法实践（2）——谱聚类、Chameleon聚类男人海洋 发表于2013-08-3014:34来源：数据之城 阅读：772次   上一篇文章里说到的层次聚类和K-means聚类，可以说是聚类算法里面最基本的两种方法
Loyal2M·2013-09-06 14:00

机器学习理论与实战（十）K均值聚类和二分K均值聚类

比如K均值聚类可以扩展一下形成层次聚类（HierarchicalClustering），也可以进入概率分布的空间进行聚类，就像前段
cuoqu·2013-07-31 22:00

层次聚类算法BIRCH(另附Java版下载地址)

BIRCH（BalancedIterativeReducingandClusteringusingHierarchies）天生就是为处理超大规模（至少要让你的内存容不下）的数据集而设计的，它可以在任何给定的内存下运行。关于BIRCH的更多特点先不介绍，我先讲一下算法的完整实现细节，对算法的实现过程搞清楚后再去看别人对该算法的评价才会感受深刻。你不需要具备B树的相关知识，我接下来会讲得很清楚。BIR
liangtee·2013-07-23 10:00

【数据挖掘】k-means聚类算法

K-Means聚类  层次聚类给出了一个树作为结果，但是其不足之处：没有额外的工作，树形结构并不能真正将数据划分到独立的分组中，并且算法属于计算密集型任务。
fanshadoop·2013-07-08 17:00

SPSS与聚类分析

2.层次聚类就是先把每个样本都看成一个独立的类；聚类特征(ClusteringFeature,CF)二均值，k均值和层次聚类都在分析--分类里。  a.k均值聚类 b.层次聚类 c.判别聚类
·2013-06-29 13:00

聚类——层次聚类 Hierarchical Clustering

为了不在这个参数的选取上花费太多时间，可以考虑层次聚类。
chaoping315·2013-06-27 14:00

机器学习算法

1、朴素贝叶斯分类2、K近邻分类3、线性感知机4、线性支持向量机5、K-means聚类及层次聚类6、混合模型基础7、线性回归与逻辑回归8、梯度下降法9、马尔科夫模型与语言模型10、隐马模型基础11、网页排序基础
x_yz_·2013-06-21 09:00

层次聚类

1.层次聚类层次聚类算法与之前所讲的顺序聚类有很大不同，它不再产生单一聚类，而是产生一个聚类层次。说白了就是一棵层次树。介绍层次聚类之前，要先介绍一个概念——嵌套聚类。
AimAtFuture·2013-05-20 11:00

数据聚类综述第5章——聚类技术

在顶层，层次聚类
chinaliping·2013-05-07 09:00

聚类分析（五）基于密度的聚类算法 — DBSCAN

一  什么是基于密度的聚类算法 由于层次聚类算法和划分式 聚类算往往只能发现凸形的聚类簇。为了弥补这一缺陷，发现各种任意形状的聚类簇，开发出基于密度的聚类算法。
fufeng·2012-12-27 15:00

聚类分析（四）层次聚类算法

层次聚类算法：前面介绍的K-means算法和K中心点算法都属于划分式（partitional）聚类算法。
fufeng·2012-12-27 15:00

.Net算法库 NMath应用介绍

.Net算法库NMath    下载>>医学应用——曲线拟合实例：SIGA>>数据挖掘应用——层次聚类实例：UserZoom>>财务投资应用——主成分分析（PCA）实例
nottichan·2012-12-11 16:00

四种聚类方法之比较

摘 要:介绍了较为常见的k-means、层次聚类、SOM、FCM等四种聚类算法，阐述了各自的原理和使用步骤，利用国际通用测试数据集IRIS对这些算法进行了验证和比较。
zhoubl668·2012-08-18 18:00

几中聚类算法的优缺点比较总结

k均值：优点：1，简单，易于理解和实现；2，时间复杂度低缺点：1，需要对均值给出定义,2，需要指定要聚类的数目；3，一些过大的异常值会带来很大影响；4，算法对初始选值敏感；5，适合球形聚类层次聚类：优点
zhangshuliai·2012-07-25 20:00

聚类(2)——层次聚类 Hierarchical Clustering

聚类系列：聚类(序)----监督学习与无监督学习聚类(1)----混合高斯模型GaussianMixtureModel聚类(2)----层次聚类HierarchicalClustering 聚类(2*)
jiang1st2010·2012-06-23 11:00

聚类(1)——混合高斯模型 Gaussian Mixture Model

聚类系列：聚类(序)----监督学习与无监督学习聚类(1)----混合高斯模型GaussianMixtureModel聚类(2)----层次聚类HierarchicalClustering聚类(3)--
jiang1st2010·2012-06-14 17:00

聚类(序)——监督学习与无监督学习

聚类系列：聚类(序)----监督学习与无监督学习聚类(1)----混合高斯模型GaussianMixtureModel聚类(2)----层次聚类HierarchicalClustering聚类(3)--
jiang1st2010·2012-06-11 22:00

dbscan算法

该算法的目的在于过滤低密度区域，发现稠密度样本点，跟传统的基于层次聚类和划分聚类的凸形聚类簇不同，该算法可以发现任意形状的聚类簇，与传统的算法相比它有如下优点：     与K-means比较起来，你不必输入你要划分的聚类个数
likelet·2012-05-22 13:00

层次聚类分析 代码

clc clearallSimMatrix loadhSimMatrix;%读入相似性矩阵数据 hH=SimMatrix./21;%相似性数据除以参与实验的人数 savehH; hHD=1-hH;%1-D得到非相似性矩阵 X=zscore(hHD);%标准化数据 Y=pdist(X);%计算欧几里德距离 Z=squareform(Y); Z2=linkage(Y,'average');%定义变量
littlestonelj·2012-05-09 16:00

社会化搜索与推荐浅析-聚类与分类

分类需要依赖先验概率，把所有的数据点所组成的空间进行划分，组成一个个不同类别的集合，这些集合通常是不重合的 聚类：没有先验知识，属于无监督学习 适用与多维度，连续变量，基本的思路是概念建模和迭代优化 凝聚型层次聚类算法
larrylgq·2012-03-23 11:00

MATLAB 层次聚类

MATLAB的统计工具箱中的多元统计分析中提供了聚类分析的两种方法： 1.层次聚类hierarchicalclustering2.k-means聚类      这里用最简单的实例说明以下层次聚类原理和应用发法
aldenphy·2010-04-27 10:00

聚类算法学习笔记（四）——层次聚类

聚类算法学习笔记（四）——层次聚类 1.   层次聚类层次聚类算法与之前所讲的顺序聚类有很大不同，它不再产生单一聚类，而是产生一个聚类层次。说白了就是一棵层次树。
Change Dir·2010-03-19 20:00

核聚类与支持向量聚类

根据聚类算法所采用的基本思想，大致可以将它们分为五种[2]，即划分聚类、层次聚类、基于密度的聚类、基于网格的聚类和基于模型的聚类。目前对聚类算法的研究正在不
cowboy_wz·2009-11-02 17:00

核聚类与支持向量聚类

根据聚类算法所采用的基本思想，大致可以将它们分为五种[2]，即划分聚类、层次聚类、基于密度的聚类、基于网格的聚类和基于模型的聚类。目前对聚类算法的研
chl033·2009-11-02 17:00

层次聚类与分类规则

 层次聚类，通过设计相似性函数（或者聚类函数），可以非常方便的实现无监督的聚类过程。但是相似性阈值太高，得到类目太多，达不到聚类的目的；阈值太低，类目少，但是准确性就会降低。
poson·2009-03-05 14:00

层次聚类的时间控制

  聚类的关键在于根据数据特征导出距离函数。找到距离函数，聚类就成功了一半了。距离函数包括两个样本直接的欧式距离，余弦相似度，person相似度等等。根据不同的情景，选择不同距离函数。距离函数可以另外增加一些类别信息，如控制每个类别下样本的个数。 （1）控制聚类的层数非常重要。控制层数，可以控制，最终的聚类结果，关键是减少时间。（2）当有几万个样本，要聚成几千个类的时候。减少每个样本
poson·2009-02-17 14:00

层次聚类的时间控制

 聚类的关键在于根据数据特征导出距离函数。找到距离函数，聚类就成功了一半了。距离函数包括两个样本直接的欧式距离，余弦相似度，person相似度等等。根据不同的情景，选择不同距离函数。距离函数可以另外增加一些类别信息，如控制每个类别下样本的个数。（1）控制聚类的层数非常重要。控制层数，可以控制，最终的聚类结果，关键是减少时间。（2）当有几万个样本，要聚成几千个类的时候。减少每个样本和其他样本的比较个
poson·2009-02-17 14:00
上一页 15 16 17 18 19 20 21 22 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他