聚类
文章平均质量分 56
樊豆豆123
CS硕士入职国企IT 4年,活在当下
展开
-
基于分块技术的图像分割方法
谱聚类时间复杂度和空间复杂度分别是 O(n3)和 O(n2)原创 2014-10-24 09:03:47 · 5662 阅读 · 0 评论 -
进化聚类算法的相关算法
GCUK算法(Bandyopadhyay Sanghamitra, Maulik Ujjwal.Genetic clustering for automatic evolution of clusters and application to image classification,2002)是一种基于进化算法和有效性指标的自适应聚类算法。它将DB有效性指标转化为进化算法的目标函数并使用遗传原创 2015-06-16 10:19:19 · 2090 阅读 · 1 评论 -
局部自适应多核聚类
Locally adaptive multiple kernel clustering (Lujiang Zhang , Xiaohui Hu)传统的多核学习是在输入空间上构建多个核的线性组合。对于局部分布变化的数据集来说,局部多核学习方法更好。即不是使用一个统一的组合核在所有输入空间,而是对于每个类都有一个局部核。方法:给每个类分配一个用于特征选择的权重向量,将每个权重向量和高斯核进行结原创 2015-05-20 09:38:20 · 3186 阅读 · 2 评论 -
欧氏距离详解及在matlab中的实现
360百科:二维公式 d = sqrt((x1-x2)^2+(y1-y2)^2)三维公式d=sqrt((x1-x2)^2+(y1-y2)^2+(z1-z2)^2)推广到n维空间,欧氏距离的公式 :d=sqrt( ∑(xi1-xi2)^2 ) 这里i=1,2n,xi1表示第一个点的第i维坐标,xi2表示第二个点的第i维坐标原创 2014-12-11 10:12:34 · 64791 阅读 · 1 评论 -
k-means算法不足
A. K 不确定 对于初始条件和聚类的个数 K ,并没有一个标准的方法来给定。 初始条件不同会对结果产生比较大的影响,因为有时算法会跳入局部最优。所以解决方法之一,就是多次运行算法,随机分割,比较结果之间的差异。B. 局部最优 如果要达到全局最优,需要用到其他一些技术,比如模拟退火或者遗传算法等等, 不过代价就是算法的复杂度大大增加。另外一种可能性, 就原创 2014-12-09 09:27:04 · 2711 阅读 · 0 评论 -
two moon datasets
【转载】流形学习中双月形实验数据1(two moon datasets,调试成功) 2013-07-16 22:40:14| 分类: 默认分类|举报|字号 订阅本文转载自六月飞雪《流形学习中双月形实验数据1(two moon datasets,调试成功)》 x=0:0.05:2*pi;c=cos(x);s=sin(x转载 2014-12-08 11:01:58 · 2032 阅读 · 0 评论 -
FCM聚类算法
原创 2014-12-08 09:50:21 · 1145 阅读 · 0 评论 -
初始聚类中心和高斯核矩阵
初始化聚类中心:data_n为样本数,cluster_n为聚类数,以下为从data_n个样本中随机选择其中cluster_n个作为初始聚类中心index = randperm(data_n); % 对样本序数随机排列 center_old = data(index(1:cluster_n),:); % 选取随机排列的序数的前cluster_n个 高斯核函数:反原创 2014-12-23 15:11:14 · 3285 阅读 · 0 评论 -
gaussKernel
gaussKernel代表样本点与样本点之间的相似性:aa=sum(data.*data,2);ab=data*data'; D = bsxfun(@plus,aa,aa') - 2*ab; D = sqrt(D); %Gaussian options.t = 1; K = exp(-D/(2*options.t^2));代表样本点与中心点间的相似性:原创 2014-12-22 15:55:53 · 1183 阅读 · 0 评论 -
模糊C均值聚类
聚类中心表示的是每个类的平均特征,可以认为是这个类的代表点。模糊C均值聚类(FCM)是用隶属度确定每个数据点属于某个聚类的程度的一种聚类算法。一个数据集的隶属度的和总等于1: (1)FCM的目标函数: (2)聚类中心公式如下: (3)(4)模糊C均值聚类算法是一个简单的迭代过程。步骤1:用值在0,1间原创 2014-12-23 11:04:12 · 8668 阅读 · 0 评论 -
简单易学的机器学习算法——kMeans
一、聚类算法的简介 聚类算法是一种无监督的学习算法,主要用于将相似的对象自动归到一个类别中。聚类算法与分类算法最大的区别是:聚类算法是无监督的学习算法,而分类算法是有监督的学习算法。这里提到的相似的对象,基于不同的相似度计算,会得到不同的聚类结果,常用的相似度计算方法有欧式距离法。二、kMeans算法的概述 基本kMeans算法的思想很简单,事先确定常数k,常数k转载 2015-01-10 09:41:37 · 956 阅读 · 0 评论 -
kmeans聚类练习
聚类算法,不是分类算法。分类算法是给一个数据,然后判断这个数据属于已分好的类中的具体哪一类。聚类算法是给一大堆原始数据,然后通过算法将其中具有相似特征的数据聚为一类。这里的k-means聚类,是事先给出原始数据所含的类数,然后将含有相似特征的数据聚为一个类中。所有资料中还是Andrew Ng介绍的明白。首先给出原始数据{x1,x2,...,xn},这些数据没原创 2014-11-26 20:16:31 · 5778 阅读 · 0 评论 -
matlab中k-均值聚类详解
K-means聚类算法采用的是将N*P的矩阵X划分为K个类,使得类内对象之间的距离最大,而类之间的距离最小。使用方法:Idx=kmeans(X,K)[Idx,C]=kmeans(X,K)[Idx,C,sumD]=kmeans(X,K)[Idx,C,sumD,D]=kmeans(X,K)[…]=kmeans(…,’Param1’,Val1,’Param2’,Val2,…)原创 2014-11-26 19:51:08 · 1510 阅读 · 0 评论 -
K-means聚类算法
K-means算法是将样本聚类成k个簇(cluster),具体算法描述如下:转载 2014-11-18 20:33:29 · 536 阅读 · 0 评论 -
基于谱聚类的图像分割方法简介
图像分割算法有几种:原创 2014-10-23 10:35:31 · 5348 阅读 · 0 评论 -
果蝇优化算法
1、随机初始果蝇群体位置。 X_axis=10*rand(); Y_axis=10*rand(); 2、附与果蝇个体利用嗅觉搜寻食物之随机方向与距离。X(i)=X_axis+2*rand()-1; Y(i)=Y_axis+2*rand()-1; 3、由于无法得知食物位置,因此先估计与原点之距离(Dist),再计算味道浓度判定值(S),此值为距离之倒数。D(i)=原创 2015-09-14 10:40:35 · 10916 阅读 · 1 评论