k-Medoids

基于R做聚类分析

names(Iris)=c("v1","v2","v3","v4","label")#设置变量名var=Iris$label#将标签赋予varvar=as.character(var)#将var转换为字符型二K-Medoids
daisy9212·2015-10-24 08:04

C#实现K-MEDOIDS聚类算法

1、任意选取K个对象作为初始聚类中心（O1,O2,…Oi…Ok）。　　2）将余下的对象分到各个类中去（该对象与哪一个聚类中心最近就被分配到哪一个聚类簇中）；　　3）对于每个类（Oi）中，顺序选取一个Or，重复步骤2，计算用Or代替Oi后的误差E=各个点到其对应的中心点欧式距离之和。选择E最小的那个Or来代替Oi。4）重复步骤3，直到K个medoids固定下来。 using System; u
·2015-10-23 08:52

浅谈Spectral Clustering

Spectral Clustering 和传统的聚类方法（例如 K-means）比起来有不少优点： 1）和 K-medoids 类似，Spectral Clustering 只需要数据之间的相似度矩阵就可以了
·2015-10-21 10:57

机器学习之聚类方法总结

即在迭代过程中选择的聚点不一定是聚类中的一个点，该算法只能处理数值型数据k-modesK-Means算法的扩展，采用简单匹配方法来度量分类型数据的相似度k-prototypes结合了K-Means和K-Modes两种算法，能够处理混合型数据k-medoids
king523103·2015-10-15 09:08

Hierarchical Clustering（学习Free Mind知识整理）和Hungarian Algorithm

由上一篇K-medoids算法学完后，搜索到HierarchicalClustering算法和上篇FreeMind的K-medoid讨论提到的HungarianAlgorithm算法，做一个简单学习。
langb2014·2015-08-24 14:00

k-medoids（学习Free Mind知识整理）

看到这里的k-medoids联想到聚类方法有哪些？
langb2014·2015-08-24 13:00

GMM

 GMM的EM算法实现分类： DataMining MachineLearning在 聚类算法K-Means,K-Medoids,GMM,Spectralclustering，Ncut一文中我们给出了GMM
qq_18343569·2015-08-07 18:00

Spectral Clustering

SpectralClustering和传统的聚类方法（例如K-means）比起来有不少优点：和 K-medoids 类似，SpectralClustering只需要数
liu_guanzhang·2015-01-30 21:00

数据挖掘聚类算法之K-MEDOIDS

看起来和K-means比较相似，但是K-medoids和K-means是有区别的，不一样的地方在于中心点的选取，在K-means中，我们将中心点取为当前cluster中所有数据点的平均值，在K-medoids
数据分析师·2015-01-16 13:00

几种聚类算法的结合运用(K-MEANS K-medoids 最大最小距离算法)

几种聚类算法的结合运用（K-MEANS、K-medoids、最大最小距离算法）聚类算法通常会得到一种分类，将n个点聚合成k类，同一聚类（即插槽簇）中的对象相似度较高；而不同类中的对象相似度较小。
Biggie-J·2015-01-12 20:54

聚类分析（二）——K中心点算法（k-mediods）

K中心点算法（K-medoids）前面介绍了k-means算法，并列举了该算法的缺点。而K中心点算法（K-medoids）正好能解决k-means算法中的“噪声”敏感这个问题。如何解决的呢？
ssjjrrrr·2014-12-06 21:50

【机器学习】聚类算法——K均值算法（k-means）

一、聚类   1.基于划分的聚类：k-means、k-medoids(每个类别找一个样本来代表)、Clarans     2.基于层次的聚类：(1)自底向上的凝聚方法，比如Agnes                    
DianaCody·2014-11-03 08:00

EHCachae中的CacheManager类

项目描述：为提高传统KNN算法在海量数据的文本分类效率，提出了基于K-Medoids聚类的改进KNN算法，实验数据来自复旦大学的语料集，实验结果表明提出的改进算法确实提高了KNN算法的运行效率和分类能力
luoxianfeng89·2014-09-22 21:00

聚类算法K-Means, K-Medoids, GMM, Spectral clustering，Ncut

聚类算法是ML中一个重要分支，一般采用unsupervisedlearning进行学习，本文根据常见聚类算法分类讲解K-Means,K-Medoids,GMM,Spectralclustering，Ncut
zhaoluffy·2014-09-04 20:12

聚类算法K-Means, K-Medoids, GMM, Spectral clustering，Ncut

聚类算法是ML中一个重要分支，一般采用unsupervisedlearning进行学习，本文根据常见聚类算法分类讲解K-Means,K-Medoids,GMM,Spectralclustering，Ncut
a1429331875·2014-09-04 20:00

漫谈 Clustering 系列

漫谈Clustering(1):k-means漫谈Clustering(2):k-medoids漫谈Clustering(番外篇):VectorQuantization漫谈Clustering(3):GaussianMixtureModel
macyang·2014-08-25 11:00

聚类分析中几种算法的比较

将数据库中的对象进行聚类是聚类分析的基本操作，其准则是使属于同一类的个体间距离尽可能小，而不同类个体间距离尽可能大，为了找到效率高、通用性强的聚类方法人们从不同角度提出了近百种聚类方法，典型的有K-means方法、K-medoids
u013018721·2014-07-22 09:00

聚类算法K-Means, K-Medoids, GMM, Spectral clustering，Ncut .

聚类算法是ML中一个重要分支，一般采用unsupervisedlearning进行学习，本文根据常见聚类算法分类讲解K-Means,K-Medoids,GMM,Spectralclustering，Ncut
redline2005·2014-04-19 18:00

聚类分析（三） K中心点算法（k-mediods）

K 中心点算法（ K-medoids ）前面介绍了 k-means 算法，并列举了该算法的缺点。而 K 中心点算法（ K-medoids ）正好能解决 k-means 算法中的 “噪声”敏感这个问题。
zaozxueyuan·2014-03-30 22:00

漫谈 Clustering (2): k-medoids

p=40上一次我们了解了一个最基本的clustering办法k-means，这次要说的k-medoids算法，其实从名字上就可以看出来，和k-means肯定是非常相似的。
zhazhiqiang2010·2014-02-20 14:00

聚类分析中几种算法的比较

将数据库中的对象进行聚类是聚类分析的基本操作，其准则是使属于同一类的个体间距离尽可能小，而不同类个体间距离尽可能大，为了找到效率高、通用性强的聚类方法人们从不同角度提出了近百种聚类方法，典型的有K-means方法、K-medoids
用心倾听·2014-01-13 16:39

聚类分析中几种算法的比较

将数据库中的对象进行聚类是聚类分析的基本操作，其准则是使属于同一类的个体间距离尽可能小，而不同类个体间距离尽可能大，为了找到效率高、通用性强的聚类方法人们从不同角度提出了近百种聚类方法，典型的有K-means方法、K-medoids
jiary5201314·2014-01-13 16:00

机器学习常用算法

SLIQ和SPRINT（三）神经网络 （四）SVM （五）KNN （六）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
yueyedeai·2013-11-08 17:00

机器学习（三）--- 聚类算法详解

具体的聚类分析方法和他们对应的方法分为：划分方法：k-means,k-medoids,CLARA,CLARANS,FCM,EM层次方法：BIRCH划分方法：CURE,ROCK,CHEMALOEN.密度方法
china1000·2013-10-17 01:34

聚类分析中几种算法的比较

将数据库中的对象进行聚类是聚类分析的基本操作，其准则是使属于同一类的个体间距离尽可能小，而不同类个体间距离尽可能大，为了找到效率高、通用性强的聚类方法人们从不同角度提出了近百种聚类方法，典型的有K-means方法、K-medoids
u010064842·2013-10-05 22:00

聚类算法K-Means, K-Medoids, GMM, Spectral clustering，Ncut

聚类算法是ML中一个重要分支，一般采用unsupervisedlearning进行学习，本文根据常见聚类算法分类讲解K-Means,K-Medoids,GMM,Spectralclustering，Ncut
lcj_cjfykx·2013-07-15 02:00

谱聚类

SpectralClustering和传统的聚类方法（例如K-means）比起来有不少优点：和K-medoids类似，SpectralClus
lvyuan30276·2013-07-01 16:00

聚类算法之k-medoids算法

上一次我们了解了一个最基本的clustering办法k-means，这次要说的k-medoids算法，其实从名字上就可以看出来，和k-means肯定是非常相似的。
sunanger_wang·2013-04-26 09:00

k-medoids 算法思想

自wikipediaFromWikipedia,thefreeencyclopediaThe k-medoidsalgorithm isa clustering algorithm relatedtothe k-means algorithmandthemedoidshiftalgorithm.Boththe k-meansand k-medoidsalgorithmsarepartitional
ywjun0919·2013-03-19 10:00

聚类算法

目录概述对聚类的典型要求如下聚类算法分类K-MEANS算法K-MEDOIDS算法Clara算法Clarans算法展开概述对聚类的典型要求如下聚类算法分类K-
ywjun0919·2013-03-19 10:00

GMM的EM算法实现

在聚类算法K-Means,K-Medoids,GMM,Spectralclustering，Ncut一文中我们给出了GMM算法的基本模型与似然函数，在EM算法原理中对EM算法的实现与收敛性证明进行了详细说明
zhoubl668·2013-01-08 09:00

K-Means, K-Medoids, GMM, Spectral clustering，Ncut

聚类算法是ML中一个重要分支，一般采用unsupervisedlearning进行学习，本文根据常见聚类算法分类讲解K-Means,K-Medoids,GMM,Spectralclustering，Ncut
Armily·2013-01-04 16:00

聚类分析（三） K中心点算法（k-mediods）

K中心点算法（K-medoids）前面介绍了k-means算法，并列举了该算法的缺点。而K中心点算法（K-medoids）正好能解决k-means算法中的“噪声”敏感这个问题。如何解决的呢？
fufeng·2012-12-27 15:00

K-Means 和K-Medoids算法及其MATLAB实现

K-Means和K-Medoids算法是学习领域比较普通的聚类算法(无监督学习)，本文介绍原理及Matlab实现代码。
lifeitengup·2012-11-30 22:34

K-Means 和K-Medoids算法及其MATLAB实现

K-Means和K-Medoids算法是学习领域比较普通的聚类算法(无监督学习)，本文介绍原理及Matlab实现代码。
LiFeitengup·2012-11-30 22:00

GMM的EM算法实现

在聚类算法K-Means,K-Medoids,GMM,Spectralclustering，Ncut一文中我们给出了GMM算法的基本模型与似然函数，在EM算法原理中对EM算法的实现与收敛性证明进行了详细说明
abcjennifer·2012-11-19 11:00

聚类算法K-Means, K-Medoids, GMM, Spectral clustering，Ncut

聚类算法是ML中一个重要分支，一般采用unsupervisedlearning进行学习，本文根据常见聚类算法分类讲解K-Means,K-Medoids,GMM,Spectralclustering，Ncut
Rachel-Zhang·2012-11-11 13:48

聚类算法K-Means, K-Medoids, GMM, Spectral clustering，Ncut

聚类算法是ML中一个重要分支，一般采用unsupervisedlearning进行学习，本文根据常见聚类算法分类讲解K-Means,K-Medoids,GMM,Spectralclustering，Ncut
abcjennifer·2012-11-11 13:00

聚类分析中几种算法的比较

将数据库中的对象进行聚类是聚类分析的基本操作，其准则是使属于同一类的个体间距离尽可能小，而不同类个体间距离尽可能大，为了找到效率高、通用性强的聚类方法人们从不同角度提出了近百种聚类方法，典型的有K-means方法、K-medoids
zhoubl668·2012-09-05 11:00

漫谈 Clustering (2): k-medoids

漫谈Clustering(2):k-medoids bypluskid,on2009-01-08,in MachineLearning     27commentsSamoyed本文是“漫谈Clustering
luyafei_89430·2012-06-01 20:00

漫谈 Clustering (2): k-medoids

 漫谈Clustering(2):k-medoids bypluskid,on2009-01-08,in MachineLearning     27commentsSamoyed本文是“漫谈Clustering
stormisover·2011-11-13 20:49

漫谈cluster

page_id=78 漫谈Clustering(1):k-means漫谈Clustering(2):k-medoids漫谈Clustering(番外篇):VectorQuantization漫谈Clustering
hachirou·2011-05-04 12:00

通过K-MEDOIDS算法对时间序列进行聚类的实现

最近做数据挖掘相关的工作，题目是时间序列聚类研究，目前对于这方面的研究都还只是在起步阶段，被广泛使用的还是基于K-MEDOIDS的聚类，放弃K-MEANS的主要原因还是时间序列之间序列的计算难度，对于这方面我们也已经有了一定的进展
kingskyleader·2011-04-09 23:00

聚类分析中几种算法的比较

将数据库中的对象进行聚类是聚类分析的基本操作，其准则是使属于同一类的个体间距离尽可能小，而不同类个体间距离尽可能大，为了找到效率高、通用性强的聚类方法人们从不同角度提出了近百种聚类方法，典型的有K-means方法、K-medoids
yaoyepeng·2011-03-27 19:00

(转)谱聚类(Spectral Clustering)

SpectralClustering和传统的聚类方法（例如K-means）比起来有不少优点：1）和K-medoids类似，SpectralClustering只需要数据之间的相似度矩阵就可
yihaizhiyan·2010-11-23 20:00

[转帖]漫谈 Clustering 系列

page_id=78 内容包括：漫谈Clustering(1):k-means漫谈Clustering(2):k-medoids漫谈Clustering(番外篇):VectorQuantization漫谈
kit_147·2010-11-04 23:00

聚类算法一览

典型的划分方法包括：k-means,k-medoids,CLARA(Clu
dadaadao·2009-08-26 09:00

浅谈Spectral Clustering

SpectralClustering和传统的聚类方法（例如K-means）比起来有不少优点：1）和K-medoids类似，SpectralClustering只需要数据之间的相似度矩阵就可以了，而不必像
phinecos·2009-05-11 00:00

浅谈Spectral Clustering

SpectralClustering和传统的聚类方法（例如K-means）比起来有不少优点：1）和K-medoids类似，SpectralClustering只需要数据之间的相似度矩阵就可以了，而不必像
phinecos·2009-05-11 00:00

popular clustering techniques

k-Means, k-Medoids, Kernel Clustering, Spectral Clustering (uses eigenvectors), Gravitational Clustering
coderplay·2008-04-27 13:00
上一页 1 2 3 4 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他