-
k-均值算法 python
均值比率
试图生成速度快、 内存效率的 K-均值程序。
安装
gem来源-http://rubygems.org
sudo gem安装 k_means
如何使用
需要 "rubygems"
要求 "k_means"
数据 = [[1,1]、 [1,2],[1,1],[1000年、 1000年],[500、 500]]
kmeans = KMeans.new (数据,: 质心 = > 2)
kmeans.inspect # 使用 kmeans.view 拿到未检查数组
= > [[3,4],[0,1,2]]
自定义的质心
需要 "rubygems"
要求 "k_means"
# 您自定义的质心需要有 #position 和 #reposition 的方法
类 CustomCentroid
attr_acces
- 2022-04-28 00:29:05下载
- 积分:1
-
K-means algorithm
KMEANS 利用两相的迭代算法来减少点到形心的距离,K 的所有群集的都总和的总和。第一阶段使用文献通常描述作为"批"的更新,每次迭代组成的就是重新分配到他们最近的群集质心点一下子,紧接着簇中心的重新计算。这一阶段可以看作是提供速度快,但可能只有近似解作为起始点,第二阶段。第二阶段使用文献通常描述作为"上线"的更新,在那里点单独重新分配如果这样做会降低的距离,总和和簇中心则在每个重新分配后重新计算。在这第二个阶段的每次迭代包含一通虽然所有的点。KMEANS 可以收敛于局部最优解,在这种情况下是在哪个移动到不同的群集的任何单点增加的距离总和的点的一个分区。这个问题只能是解决了起始点的聪明 (或幸运,或详尽无遗) 的选择。IDX 分为不同的 K 组 = KMEANS (X、 K) 分区 N 由 P 数据矩阵 X 中的点。此分区减少总和,在所有的群集,群集内款项的点到聚类质心的距离。X 行对应于点、 变量对应的列。KMEANS 返回 N 由 1 向量 IDX 包含每个点的聚类指数。默认情况下,KMEANS 使用平方欧氏距离。
- 2023-03-13 10:35:03下载
- 积分:1
-
Kalman滤波实现LabVIEW使用源代码,是一个LLB包
利用LabVIEW实现Kalman滤波的源码,是一个llb包-Kalman filtering to achieve the use of LabVIEW source code, is a llb package
- 2022-01-31 10:29:10下载
- 积分:1
-
FFTW
fftw-3.0.1
- 2022-01-23 11:11:22下载
- 积分:1
-
使用贪婪算法 解决0-1背包问题MATLAB源代码
使用贪婪算法 解决0-1背包问题MATLAB源代码-greedy algorithm used to solve 0-1 knapsack problem MATLAB source code
- 2022-10-21 18:30:03下载
- 积分:1
-
钳位三次样条算法;
数值计算算法:夹紧三次样条算法的数学写帕斯卡尔 来构造三次样条插值S为函数f, 在数x(0)
- 2022-01-26 07:21:33下载
- 积分:1
-
应用BP神经网络算法辨识模型参数
应用BP算法实现模型辨识。
程序中给定输入,和实际输出,辨识模型可跟随真实输出值。绘制误差图,模型输出与真实值的对比图。
- 2022-03-06 16:17:51下载
- 积分:1
-
检查括号是否匹配
用于检查括号是否匹配,包括大括号,中括号和小括号,并能返回括号匹配数
- 2023-01-09 18:50:03下载
- 积分:1
-
使用结点分析法求解直流电阻电路,并将结果保存在txt格式的文档中...
使用结点分析法求解直流电阻电路,并将结果保存在txt格式的文档中-The use of node analysis method to solve the DC resistance circuit, and the results saved in txt format document
- 2022-07-27 14:21:49下载
- 积分:1
-
建立在vibe 基础上的kalman多目标跟踪
建立在vibe算法上,进行前景提取,并用kalman滤波进行多目标跟踪。建立在vibe算法上,进行前景提取,并用kalman滤波进行多目标跟踪。建立在vibe算法上,进行前景提取,并用kalman滤波进行多目标跟踪。建立在vibe算法上,进行前景提取,并用kalman滤波进行多目标跟踪。建立在vibe算法上,进行前景提取,并用kalman滤波进行多目标跟踪。
- 2022-01-27 10:41:56下载
- 积分:1