聚类算法
zbxzc
这个作者很懒,什么都没留下…
展开
-
谱聚类的实现
// spectral-cluster.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#include #include#include#include #include #include /*********************author Marshall**************************//**********原创 2015-10-21 00:18:35 · 7161 阅读 · 3 评论 -
GMM聚类算法的实现
在GMM中使用EM算法聚类我们使用k个多元高斯分布的混合高斯分布GMM来对数据进行聚类,其中每一个分布代表一个数据簇。首先,随机选择k个对象代表各个簇的均值(中心),猜测每一个簇的协方差矩阵,并假定初始状态 时每个簇的概率相等; 然后,根据多元高斯密度函数求出每一个对象属于每一个簇的概率,并求出数据的似然函数值;最后,根据每一个数据点属于每一个簇的概率,来更新每一个簇的均值,协方差矩阵,和原创 2015-04-14 23:04:47 · 8209 阅读 · 1 评论 -
DBSCAN聚类算法的实现
参考wikihttps://en.wikipedia.org/wiki/DBSCANDBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同,它将簇定义为密度相连的点的最大集合,能够把具有足够高密度的区域划分为簇,并可在噪声的空间数据库中发现任意形状原创 2015-09-18 14:55:00 · 4390 阅读 · 0 评论 -
基于K-means聚类的图像分割
K-means算法用于聚类分析,广泛用于机器学习领域。下面借用百度百科的解释,个人觉得讲的还算清楚:k-means 算法接受参数 k ;然后将事先输入的n个数据对象划分为 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。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”(引力中心)来进行计算的。K-means算法是最为经典的基于原创 2014-12-11 15:21:48 · 23086 阅读 · 5 评论 -
birch聚类算法的原理与实现
参考百度百科http://baike.baidu.com/link?url=LDYen7bEqt8o2l5mUrnZjQk1topFi36-MwLuhjuGf-1z4sQFtFq1xCEe0TCJwYVjGbu0C6cpuVMFIxNglvSnoa外加http://www.cnblogs.com/zhangchaoyang/articles/2200800.html学习birch聚类最好有原创 2015-09-20 20:19:51 · 7755 阅读 · 2 评论 -
meanshift聚类的实现
参见http://blog.csdn.net/u014568921/article/details/45197027// meanshift-cluster.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#include#include#include#include#includeusing namespace std;#define原创 2015-09-23 23:04:36 · 3572 阅读 · 4 评论 -
kmeans聚类的实现
// spectral-cluster.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#include #include#include#include#includeusing namespace std;//template class kmeans{private: vector>dataset; unsigned in原创 2015-09-30 01:39:23 · 1184 阅读 · 0 评论 -
模糊C均值
FCM算法是一种基于划分的聚类算法,它的思想就是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。模糊C均值算法是普通C均值算法的改进,普通C均值算法对于数据的划分是硬性的,而FCM则是一种柔性的模糊划分。硬聚类把每个待识别的对象严格的划分某类中,具有非此即彼的性质,而模糊聚类建立了样本对类别的不确定描述,更能客观的反应客观世界,从而成为聚类分析的主流。要学习模糊C均值聚类原创 2015-05-23 11:58:42 · 13099 阅读 · 0 评论 -
isodata聚类算法的实现
ISODATA算法是在k-均值算法的基础上,增加对聚类结果的“合并”和“分裂”两个操作,并设定算法运行控制参数的一种聚类算法。迭代次数会影响最终结果,迭代参数选择很重要。算法步骤 如下:①初始化设定控制参数:c:预期的类数;Nc:初始聚类中心个数(可以不等于c);TN:每一类中允许的最少样本数目(若少于此数,就不能单独成为一类);TE:原创 2015-10-01 00:23:27 · 19680 阅读 · 2 评论