聚类_人工智能博客-专业IT技术发表平台

推荐付费专栏 VIP文章

聚类算法：K-Means 聚类 K-Means 聚类是一种广泛使用的无监督学习算法，旨在将数据集分成 K 个簇，使得同一簇内的数据点尽可能相似，而不同簇之间的数据点尽可能不同。它简单、高效，特别适合大规模数据集。下面将详细讨论 K-Means 的原理、实施步骤、优缺点、以及应用实例。

阅读 3.3k

26赞

平凡程序猿~

深入解密 K 均值聚类：从理论基础到 Python 实践 K 均值聚类是一种基于质心的聚类算法，它通过反复迭代的方式将数据点分配到 K 个聚类中。每个质心代表一个聚类的中心位置，算法会不断调整质心的位置，直到满足一定的收敛条件。K 均值聚类的目标是最小化每个聚类内部所有点到其质心的距离之和。具体来说，K 均值聚类的步骤可以概括如下：随机选择 K 个初始质心。将每个数据点分配到离它最近的质心所在的聚类。重新计算每个聚类的质心，即对聚类中的所有数据点取平均值。重复步骤 2 和 3，直到质心的位置不再发生变化，或者达到预设的迭代次数。

阅读 7.0k

103赞

一文讲清实证分析中stata如何一键取对数、缩尾处理、固定时间和地点效应、聚类稳健标准误估计！需要注意的是，由于Stata的“一键”操作通常指的是通过编写简单的命令或循环来实现批量操作，因此在实际应用中可能需要结合具体的数据结构和研究需求来编写相应的代码。其中，varlist是需要进行缩尾处理的变量列表，replace表示直接替换原变量中的值，cuts(# #)指定了缩尾的百分位数，例如cuts(1 99)表示将小于1%分位数和大于99%分位数的值分别替换为1%和99%分位数的值。这里，y、x1、x2、x3、x4、x5是变量名列表，log_是生成的新变量名前缀，表示这些是新生成的对数变量。

阅读 7.9k

13赞

机器不学习我学习

【聚类】K-Means聚类（优缺点、手肘法、轮廓系数法、检测异常点、图像压缩，含代码实战） K-Means聚类（优缺点、手肘法、轮廓系数法、检测异常点、图像压缩，含代码实战）

阅读 1.1w

34赞

聚类系列 (二)——HDBSCAN算法详解最详细最全最易懂的HDBSCAN算法详解，从DBCSN到OPTICS再到HDBSCAN。DBSCAN、OPTICS 和 HDBSCAN 都是基于密度的聚类算法，它们在处理复杂数据分布、发现任意形状簇和识别噪声点方面表现良好。DBSCAN 是密度聚类的基础算法，OPTICS 改进了其对不同密度簇的适应性，而 HDBSCAN 进一步结合了层次聚类的思想，并提供了自动化的簇提取方法，适用于更广泛的场景。

阅读 3.5k

34赞

机器学习-聚类(Clustering)，K-means算法本文将会阐述聚类与k-means算法的概论与知识，涉及方面较多，讲的较细致适合0基础入门，可跳转到想了解的部分查看

阅读 2.8k

36赞

舆情/热点聚类算法研究（二）：基于word2vec、TF-IDF、Single-Pass实现舆情聚类基于word2vec、TF-IDF、Single-Pass实现舆情聚类，相关代码与改进。

阅读 2.4k

43赞

创新耐打！时间序列+聚类这么做，顶会稳了！它同时也是数据挖掘与模式识别的核心课题，能高效挖掘数据模式，提高预测和分析的准确性，非常适合多变的数据环境，比如金融、医疗、零售、制造业等领域。这方向近年来在工业界的需求增长不断，研究前景广阔。当前顶会上相关论文成果多聚焦于跨领域模型构建与实际场景适配，比如华东师大的DUET。如果想发论文，建议从切入，结合最新技术（如扩散模型）搞创新。本文整理了，开源代码已附，包含最近的顶会顶刊成果，供各位做参考，没思路或有其他问题也欢迎交流~全部论文+开源代码需要的同学看文末。

阅读 907

22赞

AI天才研究院

AI人工智能聚类：提升数据处理效率的利器在当今数字化时代，数据量呈现爆炸式增长，如何从海量数据中提取有价值的信息成为了关键问题。AI人工智能聚类作为一种重要的数据挖掘技术，旨在将数据集中相似的数据对象划分为不同的组或类，使得同一类内的数据对象具有较高的相似度，而不同类之间的数据对象具有较大的差异。本文的目的是深入介绍AI人工智能聚类的相关知识，包括核心概念、算法原理、实际应用等，帮助读者全面了解聚类技术，并掌握如何运用聚类提升数据处理效率。范围涵盖常见的聚类算法、聚类的数学模型、实际项目中的应用案例以及相关的工具和资源。

阅读 924

14赞

【机器学习】深入无监督学习分裂型层次聚类的原理、算法结构与数学基础全方位解读，深度揭示其如何在数据空间中构建层次化聚类结构这个代码展示了如何通过K-means聚类方法实现分裂型层次聚类。每次分裂都是基于当前簇的质心，通过最小化误差平方和（SSE）来划分成两个子簇。你可以通过调整参数来控制分裂的停止条件，进而决定最终聚类的数量。

阅读 2.3k

132赞

python带有额外条件约束的聚类【代码】python带有额外条件约束的聚类。

阅读 1.3k

12赞

团队高光谱影像聚类系列文章推荐（附代码），欢迎多相互之间学习交流。高光谱图像聚类系列论文、代码推荐，有机会多交流，如果使用相关代码请在文中注明。

阅读 379

9赞

啥都鼓捣的小yao

课程10. 聚类问题尽管存在这种复杂性，“DBSCAN”仍然是一种非常有用的聚类算法，它使我们能够识别具有复杂规律性的聚类。我们可以基于我们能够形成的启发式方法，结合我们对主题领域的了解或问题的特征，以及通过尝试多个选项并确定哪种聚类能够最小化每个对象到其聚类中心的距离之和，来选择最适合我们任务的选项。我们将会了解这些方法。我们可以使用不同的聚类中心初始近似值多次运行该算法，然后选择每个对象到其聚类质心的距离总和最小的解。个聚类划分，合并其中最近的一个（或者，相反，将其中一个聚类拆分成两个不同的聚类），从而将样本划分为。

阅读 995

14赞

皮静滢Annette

USearch：更快、更小的单文件相似性搜索与聚类引擎 USearch：更快、更小的单文件相似性搜索与聚类引擎项目地址:https://gitcode.com/gh_mirrors/us/usearch项目介绍USearch 是一款轻量级、高性能的相似性搜索与聚类引擎，专为向量和即将支持的文本数据设计。它以单文件库的形式提供，支持多种编程语言和平台，包括 C++、Python、JavaScript、Java、Rust 等。USearch 不仅在性...

阅读 926

28赞

Matlab前程算法屋

【无人机路径规划】基于聚类的特殊拥挤距离（CSCD）的多模态多目标差分进化算法求解无人机三维路径规划无人机（UAV）路径规划作为无人机应用的关键技术，在复杂三维环境中面临着多目标优化和局部最优陷阱的双重挑战。传统的路径规划方法难以兼顾路径长度、安全性和平滑性等多重目标，并且容易陷入局部最优，导致规划出的路径并非最优解。针对这些问题，本文提出一种基于聚类的特殊拥挤距离（CSCD）的多模态多目标差分进化算法（CSCD-MMODE）用于求解无人机三维路径规划问题。该算法利用聚类方法对种群进行划分，并设计一种特殊的拥挤距离度量方法，以维持种群的多样性，避免算法过早收敛。

阅读 647

18赞

使用CiteSpace软件对知网文献进行关键词共现/聚类/突现分析一、基本概念CiteSpace（引文空间）是一款专注于分析科学分析中蕴含的潜在知识的软件。它是在科学计量学、数据可视化背景下逐渐发展起来的引文可视化分析软件。通过可视化的手段，CiteSpace能够呈现科学知识的结构、规律和分布情况，并因此将这种分析得到的可视化图形称为“科学知识图谱”。二、主要功能和用途知识图谱构建：根据科学文献的引用关系，CiteSpace可以生成知识图谱，帮助研究人员更好地理解学术领域中不同文献之间的联系和演化过程。主题聚类分析。

阅读 1.7w

73赞

【科研绘图】【K-均值聚类图】：附Origin详细画图流程 K-均值聚类图，通过可视化方式展示K-均值聚类算法结果的一种图形。这种图形有助于直观地评估聚类效果。K-均值聚类图主要通过散点图的形式展示聚类结果。在散点图中，每个数据点代表一个观测值，不同的颜色或形状代表不同的簇，而簇的质心则以特定的标记（如圆圈、星号等）表示。

阅读 6.6k

18赞

遗落凡尘的萤火-生信小白

04-转录组下游分析-标准化、聚类、差异分析转录组下游分析-标准化、聚类、差异分析

阅读 2.7k

26赞

【机器学习】任务七：聚类算法（K-means 算法、层次聚类、密度聚类对鸢尾花（Iris）数据进行聚类） K-Means：适合规则分布的大规模数据，快速聚类。层次聚类：适合小规模数据和需要层次结构的场景，如基因分析或市场细分。DBSCAN：适合处理复杂形状簇和含有噪声的数据，如地理空间数据或异常检测。距离和相似度度量：用于选择合适的距离度量方式，根据数据的特征进行优化选择。这些算法在不同的应用场景中表现各异，建议根据数据特点选择合适的算法。如果有其他问题或需要深入探讨，可以随时提问！这段代码实现了对鸢尾花数据集的层次聚类，并通过树状图可视化了数据点的合并过程。

阅读 5.8k

51赞

零基础入门转录组下游分析——单细胞转录组之主成分分析与聚类降维转录组数据分析之一，先介绍相关基础知识，其次用实际案例为基础，由浅入深介绍单细胞转录组之主成分分析与聚类降维的全过程，包括内容有相关代码和截屏。

阅读 1.0k

17赞

作者推荐

Daisy_JuJuJu: 一个努力发paper的左家陇职业技术学院的在读GISer博士生！！！

关注

bing_feilong: 算法/CV/Python/c++

关注

qwer1234_567: 门头沟学院在读软工学生

关注

BB_CC_DD: 每日三省：今天微笑了吗？今天学习了吗？今天博文更新了吗？

关注

slandarer: 近期略忙，偶尔更新[头秃]

关注