登录
首页 » matlab » 聚类指标小结

聚类指标小结

于 2020-06-19 发布 文件大小:877KB
0 389
下载积分: 1 下载次数: 8

代码说明:

  聚类评价指标的各种说明,非常详细,请仔细阅读。(Cluster evaluation indicators of various descriptions, very detailed.)

文件列表:

聚类指标小结\EvaluationCalculate\references.txt, 497 , 2016-11-11
聚类指标小结\EvaluationCalculate\self_Evaluation.m, 2981 , 2016-11-11
聚类指标小结\EvaluationCalculate\test_Evaluation.m, 294 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering.htm, 32222 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\contents.png, 278 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\footnote.png, 190 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1191.png, 230 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1393.png, 9255 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1394.png, 1402 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1395.png, 674 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1396.png, 264 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1397.png, 250 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1398.png, 1446 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1399.png, 205 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1400.png, 446 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1401.png, 1642 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1402.png, 1479 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1403.png, 406 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1404.png, 381 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1405.png, 508 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1406.png, 410 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1407.png, 937 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1408.png, 852 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1409.png, 451 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1410.png, 362 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1411.png, 349 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1412.png, 750 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1413.png, 411 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1414.png, 389 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1415.png, 543 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1416.png, 926 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1417.png, 347 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1418.png, 1536 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1419.png, 154 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1420.png, 1729 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1421.png, 556 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1422.png, 284 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1423.png, 266 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1424.png, 379 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1425.png, 407 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1426.png, 392 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1427.png, 399 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1428.png, 248 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1429.png, 1123 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1430.png, 1694 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1431.png, 554 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1432.png, 656 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1433.png, 460 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1434.png, 498 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1435.png, 216 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img313.png, 128 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img317.png, 251 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img354.png, 216 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img521.png, 302 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img527.png, 330 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img529.png, 329 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img62.png, 258 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img855.png, 578 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\index.png, 246 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\irbook.htm, 315 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\next.png, 245 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\prev.png, 279 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\up.png, 211 , 2016-11-11
聚类指标小结\[2] 聚类评价指标 Rand Index,RI,Recall,Precision,F1 - lixuemei504的专栏 - 博客频道 - CSDN.NET.htm, 42996 , 2016-11-11
聚类指标小结\[3] 聚类的一些评价手段 - luoleicn的专栏 - 博客频道 - CSDN.NET.htm, 46837 , 2016-11-11
聚类指标小结\[4] 聚类结果的评估指标及其JAVA实现 - 一个人漫步走 - 博客频道 - CSDN.NET.htm, 64456 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客.htm, 200939 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\0.gif, 693 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\0.jpg, 22385 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\005uWm1Tjw8f25vhkymvnj313k13kq6q.jpg, 1441 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\0_002.jpg, 13359 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\1.jpg, 2656 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\100.jpg, 3513 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\100_002.jpg, 5543 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\11.swf, 2465 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\117X12px.gif, 1160 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\145686.jpg, 4870 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\1_002.jpg, 1475 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\20130808110619562.jpg, 3253 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\20130808110942546.jpg, 3412 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\20131207154559265.jpg, 2828 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\276304.jpg, 2283 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\276624.jpg, 1634 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\3ffda9c9gw1etm69r812dj205k05kdg5.jpg, 1839 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\50.jpg, 2158 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\50_002.jpg, 1384 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\50_003.jpg, 1686 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\50_004.jpg, 1930 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\63392b03jw8eqrx5uilwlj20v90v7whp.jpg, 1429 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\a.htm, 108 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\alipay.png, 22874 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\bootstrap.css, 99554 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\bootstrap.js, 27828 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\btn-index.png, 3283 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\core.php, 2640 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\default.css, 2352 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\embed.css, 54355 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\embed.js, 63708 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\h.js, 22225 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\highlight.js, 30174 , 2016-11-11

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 煤炭价格多元时序预测
    说明:  内附源数据、代码及word。代码包括:平稳性检验、协整检验、滞后阶数的确定、VAR 模型的拟合、脉冲响应分析、VAR 模型的预测(Stationarity test, co integration test, determination of lag order, VAR model fitting, impulse response analysis, VAR model prediction)
    2021-03-30 19:09:09下载
    积分:1
  • SSTCA
    半监督迁移SSTCA算法实现,matlab代码。包括拉普拉斯图矩阵(Semisupervised Domain Adaptation via Transfer Component Analysis)
    2021-04-23 13:58:48下载
    积分:1
  • 决策树Java源代码
    资源描述决策树是建立在信息论基础之上,对数据进行分类挖掘的一种方法。其思想是,通过一批已知的训练数据建立一棵决策树,然后利用建好的决策树,对数据进行预测。决策树的建立过程可以看成是数据规则的生成过程。由于基于决策树的分类方法结构简单,本身就是人们能够理解的规则。其次,决策树方法计算复杂度不大,分类效率高,能够处理大数据量的训练集;最后,决策树方法的分类精度较高,对噪声数据有较好的健壮性,符合一般系统的要求。
    2022-03-12 14:04:11下载
    积分:1
  • nirtg
    分而治之方法与软件设计的模块化方法非常相似,为了解决一个大的问题,可以: 1) 把它分成两个或多个更小的问题; 2) 分别(The divide-and-conquer approach is very similar to the modular approach to software design. To solve a big problem, you can: 1) divide it into two or more smaller problems; 2))
    2018-09-04 05:12:14下载
    积分:1
  • 40289243
    这是C语言中的难点的一些算法,其中包括用C实现的班级成绩管理,用C实现的排序算法等()
    2018-01-08 21:27:54下载
    积分:1
  • 小波包能量谱
    用于信号特征提取,提取信号的小波包能量谱(Extracting the wavelet packet energy spectrum of the signal)
    2020-06-27 01:40:01下载
    积分:1
  • Social-Networks-PPT-a-R
    主要内容为R语言环境下的社交网络数据挖掘,附有源代码和数据,并包含案例所使用的PPT和相关文献。(The main content is under R locales social network data mining, with the source code and data, and includes cases PPT and related documentation used.)
    2020-11-25 11:19:32下载
    积分:1
  • 雷达matlab仿真,波束形成,角度测量,跟踪等等
    波形设计算法,阵列信号处理等相关知识的介绍仿真等(Introduction and Simulation of waveform design algorithm, array signal processing and other related knowledge)
    2021-02-19 15:09:44下载
    积分:1
  • boxcox
    说明:  boxcox函数的python实现,引用该函数可将偏态分布调整为正态分布(Python implementation of box Cox function)
    2020-06-17 09:40:01下载
    积分:1
  • knn.py
    kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别,则该样本也属于这个类别,并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 kNN方法在类别决策时,只与极少量的相邻样本有关。由于kNN方法主要靠周围有限的邻近的样本,而不是靠判别类域的方法来确定所属类别的,因此对于类域的交叉或重叠较多的待分样本集来说,kNN方法较其他方法更为适合。(Basic source application)
    2018-10-30 16:50:13下载
    积分:1
  • 696518资源总数
  • 106161会员总数
  • 5今日下载