- 博客(4)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 K-MEANS算法的C++实现
<br />#include <stdio.h>#include <stdlib.h>#include <math.h>#define NA 4 /* 数据维数 */#define K 3 /* 聚类数 */#define Psize 50 /* 种群大小 */#define T 30 /* 最大迭代数 */#define ED 0.0000001 /* 结束条件 */typedef struct { double p[NA]; double distance
2010-12-09 11:30:00
1656
原创 K-means 简介
Kmeans算法<br /> k-means 算法接受输入量 k ；然后将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。编辑本段算法流程<br /> 首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类
2010-12-09 10:45:00
1717
原创 K-means clustering 介绍论文
论文：基于距离的划分聚簇算法[分享]<br />叶若芬 李春平<br /> （清华大学软件学院 北京 100084）<br />摘 要：k-means算法在聚簇大的数据集时是公认比较有效的算法之一，然而它只能应用在具有数值属性描述的数据对象集合上，这种数据对象叫做数值数据；却无法应用于真实世界中具有其他形形色色属性的数据对象集合上，比如颜色、纹理、形状等特征描述的数据对象集合，这种数据叫做分类数据。为了能对分类数据进行聚簇，对k-means算法进行了扩展，出现两种新的算法：一
2010-12-09 10:36:00
9610
原创 poj 1061 扩展欧几里得
<br />#include<stdio.h>int gcd(int a,int b){if(b==0) return a;return gcd(b,a%b);}void exgcd(int a,int b,__int64 &x,__int64 &y){if(b==0){ x=1; y=0; return ;}exgcd(b,a%b,x,y);__int64 t=x;x=y;y=t-a/b*y;return ;}
2010-12-08 23:02:00
721
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人