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
0 475
下载积分: 1 下载次数: 8
我要下载

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

  • pu_ju_lei
    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.)
    2019-07-01 16:05:39下载
    积分：1
  • 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
  • 频繁子图挖掘算法pafi1.0.1.zip
    频繁子图挖掘算法pafi1.0.1.zip,频繁子图挖掘算法采用c++实现，图数据挖掘方向的可以看一看。
    2022-01-21 02:32:05下载
    积分：1
  • Kares入门资料打包
    深度学习框架Keras入门资料，里面的代码包括课件和DEMO有利于新书入门学习，简单易懂(Keras Introductory Information of Deep Learning Framework, which includes courseware and DEMO, is helpful for introductory learning of new books. It is easy to understand.)
    2020-06-17 17:00:01下载
    积分：1
  • KKDZSXX
    扩展卡尔曼滤波与无迹卡尔曼滤波的跟踪滤波性能的比较()
    2020-10-08 14:57:36下载
    积分：1
  • rcitime__type
    二进制粒子群优化算法pso,主程序：swarmpso m 它包括以下子程序： 1 　初始化：swarminit m 2 　适应值计算函()
    2017-12-09 12:19:17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
  • 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
  • sklearn-tree-BN-knn
    说明：  分类器的性能比较与调优: 使用scikit-learn 包中的tree，贝叶斯，knn，对数据进行模型训练，尽量了解其原理及运用。 使用不同分析三种分类器在实验中的性能比较，分析它们的特点。 本实验采用的数据集为house与segment。(Performance comparison and optimization of classifiers: We use tree, Bayesian and KNN in scikit-learnpackage to train the data model and try to understand its principle and application. The performances of three classifiers are compared and their characteristics are analyzed. The data set used in this experiment is house and segment.)
    2021-04-16 15:08:53下载
    积分：1
  • 数据挖掘决策树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
  • 696516资源总数
  • 106914会员总数
  • 0今日下载

热门标签

Visual C++ matlab C/C++ Java Others Unix_Linux EasyLanguage易语言 Visual Basic C# PDF C++ Delphi VHDL ASP WINDOWS
热门下载

Copyright© 2019-2026 | Powered by Imdn | 浙ICP备16007336号 | IMDN交流 | 联系客服（QQ：3324461878）

本网站资源收集自网络及网站用户上传，若有侵权请邮件至（3324461878@qq.com），核实后我们会在24小时内删除，谢谢！