登录
首页 » python » K-均值算法程序,用python实现的

K-均值算法程序,用python实现的

于 2022-10-19 发布 文件大小:462.99 kB
0 140
下载积分: 2 下载次数: 1

代码说明:

用python实现的K均值算法程序,其中kMeans是主函数,其他的都是写的调用的子函数。application.py是对该算法的一个应用。

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

  • pyautocad-master
    说明:  pyautocad from github
    2019-10-07 20:12:11下载
    积分:1
  • 视觉测距
    说明:  利用相似三角形原理来使用单目摄像头测距,使用的语言为python,测试图形为圆形。(Using the principle of similar triangle to use monocular camera for ranging, using Python language, the test figure is circular.)
    2019-03-25 10:44:05下载
    积分:1
  • 用FCM对数据集进行分类
    模糊C均值聚类算法,其思想:使得被划分到同一簇的对象之间相似度最大,而不同簇之间的相似度最小。每一个数据都有p个特征,将样本X分为c个模糊组,并求每组的聚类中心。FCM的输入是一个待聚类的数据集,它的输出是一个cxn的模糊划分矩阵U.一个数据集的隶属度的和总等于1. 聚类中心表示的是每个类的平均特征,认为是这个类的代表点。
    2022-08-02 17:52:33下载
    积分:1
  • databricks-spark-reference-applications.pdf.tar
    摘要: 现有的聚类算法比如 CluStream 是基于 k-means 算法的。这些算法不能够发现任 意形状的簇以及不能处理离群点。 解决上述问题,本文提出了 而且, 它需要预先知道 k 值和用户指定的时间窗口。 为了 分将数据映射到一个网格, D-Stream 算法,它是基于密度的算法。这个算法用一个在线部 在离线部分计算网格的密度然后基于密度形成簇。 度衰减技术来捕获数据流的动态变化。 为了探索衰减因子、 数据密度以及簇结构之间的关系, 我们的算法能够有效的并且有效率地实时调整簇。 群点的稀疏网格是合理的, 算法采用了密 而且, 我们用理论证明了移除那些属于离 从而提高了系统的时间和空间效率。 该技术能聚类高速的数据流 而不损失聚类质量。 实验结果表明我们的算法在聚类质量和效率是有独特的优势, 并且能够 发现任意形状的簇,以及能准确地识别实时数据流的演化行为(Abstract: Existing clustering algorithms such as CluStream are based on the k-means algorithm. These algorithms can not be found Meaningful clusters and can not handle outliers. To solve the above problems, this paper presents)
    2017-09-03 11:05:23下载
    积分:1
  • 用于疲劳加载
    说明:  用于疲劳加载 的子程序中有关文件 可以很好预测疲劳加载后的文件(fatiguextended finite element method for fracture problems within the finite element software ABAQUS)
    2020-03-16 22:52:21下载
    积分:1
  • K-Means-master
    模糊C均值聚类算法的PYTHON实现,在UCI的IRIS数据集上实现(Fuzzy C-means clustering algorithm PYTHON realization, implemented on UCI s IRIS data set)
    2020-10-07 10:27:37下载
    积分:1
  • BCHcodeECC
    介绍bch的基础知识,包括纠删码的编码和解码(Introduce the basic knowledge of bch, including the encoding and decoding of erasure codes)
    2018-12-18 15:26:35下载
    积分:1
  • 支持向量机
    SVM算法实现,在机器学习领域,是一个有监督的学习模型,通常用来进行模式识别、分类以及回归分析。它是针对线性可分情况进行分析,对于线性不可分的情况,通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分,从而使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能。
    2022-04-09 06:45:01下载
    积分:1
  • python根据历史数据,预测未来数据
    python根据历史数据,预测未来数据
    2019-12-07下载
    积分:1
  • 深度学习常用损失函数的基本形式、原理及特点
    【实例简介】深度学习常用损失函数的基本形式、原理及特点
    2022-01-19 00:31:50下载
    积分:1
  • 696516资源总数
  • 106475会员总数
  • 7今日下载