RBF-k均值聚类算法的matlab程序和样本数据，可用于RBF-k均值聚类算法的仿真。
2023-04-16 17:32:57
7KB
用Go语言编写的kmeans k均值聚类算法实现它做了什么k-means聚类将多维数据集划分为k个聚类，其中每个数据点均属于用m个最近的kmeans k-means聚类算法实现的聚类k-均值聚类的作用将多维数据集划分为k个聚类，其中每个数据点均以最接近的均值属于聚类，用作聚类的原型。
我什么时候应该使用它？
当您拥有数字，多维数据集时，就没有数据标签了。您确切知道要将数据划分为Example导入的几个集群（“ github.com/muesli/kmeans”
2023-02-27 16:49:36
3.66MB
1
利用K均值聚类IRIS数据，包括两个程序：
一、基于欧氏距离聚类
二、基于余弦距离聚类
二者聚类效果不同，输出结果包括：轮廓图、聚类结果可视化（标注明聚类错误样本）、聚类正确率。
2022-12-09 09:29:47
92KB
1
基于 K 均值聚类模式识别系统的设计与实现.pdf基于 K 均值聚类模式识别系统的设计与实现.pdf基于 K 均值聚类模式识别系统的设计与实现.pdf
2022-10-19 12:05:34
905KB
1
IWO-Kmeans侵入性杂草优化K均值聚类算法（Matlab）
入侵杂草优化算法是一种模拟自然界杂草殖民过程的一种新型智能优化方法，具有结构简单、参数少、鲁棒性强、易于理解和易于编程等特点，目前，入侵杂草优化算法已被成功应用到许多领域。但该算法本身也存在着易陷入局部最优，后期寻优精度不高等缺陷，大大地限制了入侵杂草优化算法的应用范围。针对入侵杂草优化算法存在的寻优精度不高和早熟现象，提出了利用杂草算法的种群多样性进行全局搜索，同时用复合形的反射、延伸、压缩等运算产生一个新解替代当前种群中最差的个体来进行局部搜索，可有效地避免算法早熟现象，同时提高了算法的寻优精度，增加算法的收敛速度。
IWO-Kmeans侵入性杂草优化K均值聚类算法（Matlab）
IWO-Kmeans侵入性杂草优化K均值聚类算法（Matlab）
IWO-Kmeans侵入性杂草优化K均值聚类算法（Matlab）
2022-10-03 19:05:46
401KB
1