K-means算法

最新推荐文章于 2021-10-07 00:05:36 发布
最新推荐文章于 2021-10-07 00:05:36 发布
阅读量596 收藏
点赞数

http://www.cnblogs.com/leoo2sk/archive/2010/09/20/k-means.html



http://blog.youkuaiyun.com/qll125596718/article/details/8243404



http://blog.youkuaiyun.com/qll125596718/article/details/8243404



http://blog.chinaunix.net/uid-26896647-id-3413467.html



http://www.youkuaiyun.com/article/2012-07-03/2807073-k-means


以后以后
关注
weighted Kernel k-means 加权核k均值算法理解及其实现（一）
yukgwy60648的博客
01-19 8766
那就从k-means开始吧 对于机器学习的新手小白来说，k-means算法应该都会接触到吧。传统的k-means算法是一个硬聚类（因为要指定k这个参数啦）算法。这里利用百度的解释 它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小。算法采用误差平方和准
2019美赛b题：基于Weighted－K－means聚类模型的选址
hoNgzc..的博客
04-19 1万+
基于Weighted－K－means聚类模型的选址（2019美赛B题） （本博客为博主参加2019美赛B题中解决选址问题而使用的算法模型。文字图片皆为原创，引用请注明出处，切勿全篇抄袭。代码已经经过调试，结果正常，如有疑问欢迎留言） 这里贴出题目的要求，感兴趣的同学可以到网上下载2019美赛B题观看 请考虑背景信息，问题陈述中确定的要求以及问题附件中提供的信息，以解决以下问题。 A.为HELP，I...
Weighted－K－means聚类模型matlab
weixin_45829420的博客
12-14 1290
求助！Weighted－K－means聚类模型matlab…报错 代码来自https://blog.youkuaiyun.com/weixin_40457801/article/details/88725649 Error in ==> kmeans_w_03 at 133 cluster_energy(j) = sum (( point(1:dim_num ,i) - cluster_center(1...
论文笔记：Weighted Graph Cuts without Eigenvectors:A Multilevel Approach
qq_40206371的博客
10-07 1182
1 introduction 在本文中，我们讨论了两种看似不同的方法对非线性可分数据的聚类:核k均值和谱聚类之间的等价性。 利用这种等价性，我们设计了一种基于核的快速multigraph聚类算法，该算法在速度、内存使用和质量方面都优于谱聚类方法。 核k-means算法是标准k-means算法的推广。通过隐式地将数据映射到高维空间，核k-means可以发现输入空间中非线性可分的聚类 最近，由于特征向量，频谱聚类（spectral...
使用scipy进行层次聚类和k-means聚类
热门推荐
elaine_bao的专栏
12-09 4万+
使用scipy库进行层次聚类和kmeans聚类
k-means算法课件ppt
09-28
k-means算法是一种广泛应用的无监督学习方法，主要用于数据聚类。它的主要目标是将数据集分割成k个不同的簇，使得每个数据点都尽可能接近其所在簇的中心，而不同簇之间的数据点尽可能远离。在讲解k-means算法时，...
【毕业设计】基于 K-means 算法的校园微博热点话题发现系统.rar
06-19
基于 K-means 算法的校园微博热点话题发现系统 一、研究目的 微博由其 “短平快 ” 的信息能力和快速传播能力 ，已广泛流行于高校学生的常生活中。但微博上的负面舆情信息给社会 、学校和个人带来巨大的危害 。由于...
K均值聚类即K-Means算法详解PPT
04-13
K均值聚类，也称为K-Means算法，是一种在数据挖掘和机器学习领域中应用广泛的无监督学习方法。通过聚类算法，我们可以将数据点分组成具有相似特性的簇，以揭示数据内在的结构和模式。K-Means因其简单高效而被广泛...
论文研究-一种基于局部密度的核K-means算法.pdf
07-22
针对核K-means算法初始聚类中心点难以确定等问题，提出了一种基于局部密度的核K-means算法，该方法利用每个样本的局部相对密度来选择具有高密度且低相似性的样本来生成初始类中心点。实验结果表明，该算法能够很好地排除类边缘点和噪声点的影响，并且能够适应数据集中各个实际类别密度分布不平衡的情况，最终可以生成质量较高且波动性较小的聚类。
Kmeans、Kmeans++和KNN算法比较
chlele0105的专栏
10-24 4万+
K-Means介绍        K-means算法是聚类分析中使用最广泛的算法之一。它把n个对象根据他们的属性分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。其聚类过程可以用下图表示：         如图所示，数据样本用圆点表示，每个簇的中心点用叉叉表示。(a)刚开始时是原始数据，杂乱无章，没有label，看起来都一样，都是绿色的
Automated Variable Weighting in k-Means Type Clustering
空字符
10-08 1951
本内容整理自 Automated Variable Weighting in k-Means Type Clustering 这篇文章主要的创新点在于–给予特征向量的每个维度一个权重ωjωj\omega_j，称之为W-k-Means的方法。该方法主要用于数据挖掘和统计学中的特征筛选。 原始的K-means聚类方法不足之处在于，如果数据集当中混有大量随机噪音（也就是特征向量中有若干维在聚类过程中...
Python数据分析：K-Means算法
厚积薄发
04-29 749
Python数据分析：K-Means算法 k-means属于无监督学习算法 数据挖掘十大经典算法之一 算法接收参数k，然后将样本点划分为k个类别，同一类别的样本相似度较高，不同类别的样本相似度较小 算法思想： 随机选取空间中k个样本点为中心进行聚类，对最靠近他们的样本点归类，通过迭代的方法逐步更新给聚类中心，知道聚类中心不再改变 算法描述： 随机选取K个聚类初始中心 在第n次...
【机器学习与算法】python手写算法：Kmeans和Kmeans++算法
baidu_39413110的博客
04-13 876
【机器学习与算法】用python实现Kmeans和Kmeans++算法背景K-means算法python代码结果对比 背景 K-Means算法因其算法简单，收敛快等特点而成为最常用的无监督学习方法之一，K-means算法过程如下： 随机选取K个中心点； 计算每个样本点到K个中心点的距离，离谁最近就归为哪一类； 对于每一分类，计算该分类中所有点的均值作为新的中心点； 重复2-3步知道中心点基本不再...
WCAD.SHX
05-20
使用方法：拷贝到Auto CAD的Fonts下
地球hook4.0.1开源
最新发布
05-20
地球hook4.0.1开源
安卓期末大作业-Android图书管理应用源代码（高分项目）
05-20
安卓期末大作业—Android图书管理应用源代码（高分项目），个人经导师指导并认可通过的高分设计项目，评审分98分，项目中的源码都是经过本地编译过可运行的，都经过严格调试，确保可以运行！主要针对计算机相关专业的正在做大作业、毕业设计的学生和需要项目实战练习的学习者，资源项目的难度比较适中，内容都是经过助教老师审定过的能够满足学习、使用需求，如果有需要的话可以放心下载使用。 安卓期末大作业—Android图书管理应用源代码（高分项目）安卓期末大作业—Android图书管理应用源代码（高分项目）安卓期末大作业—Android图书管理应用源代码（高分项目）安卓期末大作业—Android图书管理应用源代码（高分项目）安卓期末大作业—Android图书管理应用源代码（高分项目）安卓期末大作业—Android图书管理应用源代码（高分项目）安卓期末大作业—Android图书管理应用源代码（高分项目）安卓期末大作业—Android图书管理应用源代码（高分项目）安卓期末大作业—Android图书管理应用源代码（高分项目）安卓期末大作业—Android图书管理应用源代码（高分项目）安卓期末大作业—Android图书管理应用源代码（高分项目）安卓期末大作业—Android图书管理应用源代码（高分项目）安卓期末大作业—Android图书管理应用源代码（高分项目）安卓期末大作业—Android图书管理应用源代码（高分项目）安卓期末大作业—Android图书管理应用源代码（高分项目）安卓期末大作业—Android图书管理应用源代码（高分项目）安卓期末大作业—Android图书管理应用源代码（高分项目）安卓期末大作业—Android图书管理应用源代码（高分项目）安卓期末大作业—Android图书管理应用源代码（高分项目）安卓期末大作业—Android图书管理应用源代码（高分项目）安卓期末大作业—And
2021年华数杯数学建模竞赛优秀论文
05-20
本文以电动汽车销售策略为研究对象，综合运用层次分析法、决策树、皮尔逊相关性分析、BP神经网络及粒子群优化等多种方法，深入探讨了影响目标客户购买电动汽车的因素及相应的销售策略。研究结果显示，客户对合资品牌电动汽车的满意度为78.0887，对自主品牌的满意度为77.7654，对新势力品牌的满意度为77.0078。此外，研究还发现电池性能、经济性、城市居住年限、居住区域、工作单位、职务、家庭年收入、个人年收入、家庭可支配收入、房贷占比、车贷占比等因素对电动汽车销量存在显著影响。通过BP神经网络对目标客户的购买意愿进行预测，其预测数据拟合程度超过80%，且与真实情况高度接近。基于研究结果，本文为销售部门提出了提高销量的建议，包括精准定位尚未购买电动汽车的目标客户群体，制定并实施更具针对性的销售策略，在服务难度提升不超过5%的前提下，选择实施最具可行性和针对性的销售方案。 在研究过程中，层次分析法被用于对目标客户购买电动汽车的影响因素进行系统分析与评价；决策树模型则用于对缺失数据进行预测填充，以确保数据的完整性和准确性；BP神经网络用于预测目标客户的购买意愿，并对其预测效果进行评估；粒子群优化算法对BP神经网络模型进行优化，有效提升了模型的稳定性和预测能力；皮尔逊相关性分析用于探究不同因素与购买意愿之间的相关性。通过这些方法的综合运用，本文不仅揭示了影响电动汽车销量的关键因素，还为销售策略的优化提供了科学依据。
K-means算法详解与实现
"这篇资源主要介绍了K-means算法，适合初学者学习。同时提到了相关的GMM（高斯混合模型）和EM（期望最大化）算法，并包含了一段MATLAB实现K-means算法的代码示例。" K-means算法是一种广泛应用的无监督学习方法，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值