登录
首页 » matlab » pu_ju_lei

pu_ju_lei

于 2019-07-01 发布
0 341
下载积分: 1 下载次数: 13

代码说明:

说明:  将数据集转换为拉普拉斯矩阵,然后利用基于图论的谱聚类进行聚类。拉普拉斯矩阵采用高斯核函数,全连接方法计算。谱聚类擅长处理高维数据或非凸数据集。(The data set is transformed into Laplacian matrix, and then clustered by spectral clustering based on graph theory. The Laplacian matrix is calculated by using the Gauss kernel function and the full connection method. Spectral clustering is good at dealing with high-dimensional or non-convex data sets.)

文件列表:

eigs.m, 52045 , 2019-07-01
get_laplace_matrix.m, 242 , 2019-07-01
kmeans.m, 39847 , 2019-07-01
knGauss3.m, 356 , 2019-07-01
plotcluster3.m, 585 , 2019-07-01
pu_julei.m, 342 , 2019-07-01

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

  • pu_ju_lei
    将数据集转换为拉普拉斯矩阵,然后利用基于图论的谱聚类进行聚类。拉普拉斯矩阵采用高斯核函数,全连接方法计算。谱聚类擅长处理高维数据或非凸数据集。(The data set is transformed into Laplacian matrix, and then clustered by spectral clustering based on graph theory. The Laplacian matrix is calculated by using the Gauss kernel function and the full connection method. Spectral clustering is good at dealing with high-dimensional or non-convex data sets.)
    2019-07-01 16:05:39下载
    积分:1
  • 决策树与集成算法
    决策树与集成算法,用来分类已知数据种类,希望对编程有帮助(Decision tree and ensemble algorithm are used to classify known data types.)
    2018-09-09 17:38:01下载
    积分:1
  • guanlianguize
    说明:  r语言中关联规则代码实现 运用arulesViz包和arules包中的apriori函数(Code Implementation of Association Rule)
    2019-01-24 15:39:51下载
    积分:1
  • kacmp
    google搜索的核心技术,VC++源码实现,包含测试数据库()
    2017-12-03 12:35:44下载
    积分:1
  • HMM-homework
    说明:  隐马尔科夫实现,包含forward-hmm, Viterbi-hmm, Baum-Welch-hmm(Hidden Markov implementation, including forward-hmm, Viterbi-hmm, Baum-Welch-hmm)
    2019-04-26 17:02:43下载
    积分:1
  • 0262842
    請用星號( )排列出下列的 p箭 星號 D案,輸入 Y料 ne txt中的第一行為箭 的上下高度(必為奇數),第二行為 D案的總寬度()
    2018-05-28 18:54:24下载
    积分:1
  • 带阻尼参的pagerank实现
    资源描述实现基本的pagerank算法,可实现传递阻尼参数和迭代次数。源文件从文件中读取
    2022-09-10 21:45:04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
  • clegnup-cyclic-prefix
    Random Number Generators随机数生成包括gaussian random number gener(Random Number Generators random number generation includes gaussian random number gene)
    2018-08-03 22:46:10下载
    积分:1
  • DBSCAN
    Clustering the data with Density-Based Scan Algorithm with Noise (DBSCAN)
    2017-05-02 22:36:20下载
    积分:1
  • 696516资源总数
  • 106457会员总数
  • 15今日下载