摘要:
KFCM算法的matlab程序 在“聚类——KFCM”这篇文章中已经介绍了KFCM算法,现在用matlab程序对iris数据库进行简单的实现,并求其准确度。 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 1.采用iris数据库 iris_data.t
阅读全文
posted @ 2018-11-11 16:23
凯鲁嘎吉
阅读(2941)
推荐(1)
摘要:
聚类——认识KFCM算法 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 一、KFCM概述 KFCM:基于核的改进的模糊c均值聚类算法。它是通过核函数将原始空间中的点映射到特征空间中,考虑到原始空间中的点无法用一个线性函数进行划分,于是将其变换到一个更
阅读全文
posted @ 2018-11-11 16:07
凯鲁嘎吉
阅读(7061)
推荐(1)
摘要:
FCM算法的matlab程序2 在“FCM算法的matlab程序”这篇文章中已经用matlab程序对iris数据库进行实现,并求解准确度。下面的程序是另一种方法,是最常用的方法:先初始化聚类中心,在进行迭代(此方法由于循环较多,时间复杂度相对较高,但更严谨。就时间性而言,推荐使用“FCM算法的mat
阅读全文
posted @ 2018-11-11 12:31
凯鲁嘎吉
阅读(1409)
推荐(0)
摘要:
GMM算法的matlab程序 在“GMM算法的matlab程序(初步)”这篇文章中已经用matlab程序对iris数据库进行简单的实现,下面的程序最终的目的是求准确度。 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 1.采用iris数据库 iris_
阅读全文
posted @ 2018-11-09 11:28
凯鲁嘎吉
阅读(5030)
推荐(3)
摘要:
FCM算法的matlab程序 在“FCM算法的matlab程序(初步)”这篇文章中已经用matlab程序对iris数据库进行简单的实现,下面的程序最终的目的是求准确度。 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 1.采用iris数据库 iris_
阅读全文
posted @ 2018-11-09 11:12
凯鲁嘎吉
阅读(5419)
推荐(2)
摘要:
K-means算法的matlab程序 在“K-means算法的matlab程序(初步)”这篇文章中已经用matlab程序对iris数据库进行简单的实现,下面的程序最终的目的是求准确度。 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 1.采用iris数
阅读全文
posted @ 2018-11-09 07:56
凯鲁嘎吉
阅读(1259)
推荐(1)
摘要:
GMM算法的matlab程序 在https://www.cnblogs.com/kailugaji/p/9648508.html文章中已经介绍了GMM算法,现在用matlab程序实现它。 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 1.采用iris
阅读全文
posted @ 2018-11-07 09:46
凯鲁嘎吉
阅读(3747)
推荐(3)
摘要:
FCM算法的matlab程序 在https://www.cnblogs.com/kailugaji/p/9648430.html 文章中已经介绍了FCM算法,现在用matlab程序实现它。 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 1.采用iri
阅读全文
posted @ 2018-11-07 09:38
凯鲁嘎吉
阅读(3117)
推荐(2)
摘要:
K-means算法的matlab程序 在https://www.cnblogs.com/kailugaji/p/9648369.html 文章中已经介绍了K-means算法,现在用matlab程序实现它。 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/
阅读全文
posted @ 2018-11-07 09:29
凯鲁嘎吉
阅读(2134)
推荐(0)
摘要:
论文检索常用网站 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 更多内容,请看:文献查找 1. Web of Science http://apps.webofknowledge.com/UA_GeneralSearch_input.do?produ
阅读全文
posted @ 2018-11-04 09:17
凯鲁嘎吉
阅读(6771)
推荐(0)