The code of Local Gravitation Clustering, see in the paper "Clustering by Local Gravitation " http://ieeexplore.ieee.org/document/7915751
citation: Z. Wang et al., "Clustering by Local Gravitation," in IEEE Transactions on Cybernetics, vol. 48, no. 5, pp. 1383-1396, May 2018.
For Chinese readers who visit this page from my dissertation: 我的毕业论文的知网CAJ格式中很多图表显示有问题, 可能的原因是知网的CAJ格式对矢量图的支持不好, 而我提交的pdf版
2023-03-02 10:08:11
5KB
1
对聚类算法的简单总结。聚类分析的算法可以分为划分法（Partitioning Methods）、层次法（Hierarchical Methods）、基于密度的方法（density-based methods）、基于网格的方法（grid-based methods）、基于模型的方法（Model-Based Methods）。
2023-03-01 20:27:59
19KB
1
k-means聚类算法及matlab代码贝叶斯非参数小方差渐近聚类
这是贝叶斯非参数小方差渐近聚类算法库：DP均值，动态均值，DP-vMF均值，DDP-vMF均值。
出于比较原因，该库还实现了k均值和球形k均值。
该库带有一个可执行文件，该可执行文件允许使用DP-vMF-means，DP-means，球形k-means和k-means进行批量聚类。
示出了算法的简单性。
有关使用DDP-vMF-means的示例，请参考，该文档依赖于此程序包的dpMMlowVar库使用DDP-vMF-means从Kinect
RGB-D流执行实时方向分割。
如果您使用DP-vMF手段或DDP-vMF手段，请引用：
Julian
Straub,
Trevor
Campbell,
Jonathan
P.
How,
John
W.
Fisher
III.
"Small-Variance
Nonparametric
Clustering
on
the
Hypersphere",
In
CVPR,
2015.
如果您使用动态均值，请引用：
T.
Campbell,
M.
Liu,
B.
Kulis,
J.
How
2023-02-27 22:55:23
2.59MB
1
图像压缩矢量量化
使用随机初始化对聚类中心进行图像压缩的 k-means 的实现
2023-02-27 22:16:07
202KB
1
在Python中使用K-Means聚类和PCA主成分分析进行图像压缩
各位读者好，在这片文章中我们尝试使用sklearn库比较k-means聚类算法和主成分分析（PCA）在图像压缩上的实现和结果。 压缩图像的效果通过占用的减少比例以及和原始图像的差异大小来评估。 图像压缩的目的是在保持与原始图像的相似性的同时，使图像占用的空间尽可能地减小，这由图像的差异百分比表示。 图像压缩需要几个Python库，如下所示：
# image processing
from PIL import Image
from io import BytesIO
import webcolors
# data analy
2023-02-27 22:15:11
267KB
1
用Go语言编写的kmeans k均值聚类算法实现它做了什么k-means聚类将多维数据集划分为k个聚类，其中每个数据点均属于用m个最近的kmeans k-means聚类算法实现的聚类k-均值聚类的作用将多维数据集划分为k个聚类，其中每个数据点均以最接近的均值属于聚类，用作聚类的原型。
我什么时候应该使用它？
当您拥有数字，多维数据集时，就没有数据标签了。您确切知道要将数据划分为Example导入的几个集群（“ github.com/muesli/kmeans”
2023-02-27 16:49:36
3.66MB
1
协同过滤算法对目标用户产生推荐：
收集可以代表用户兴趣的信息；根据收集到的信息计算出用户之间的相似性，并以此为根据为目标用户或项目寻得最近邻居；根据得到的最近邻居对目标用户产生推荐。
2023-02-26 19:05:22
8KB
1
聚类马氏距离代码MATLAB
变化检测
从流数据进行更改检测
这是用于流数据更改检测的MATLAB方法和代码的集合。
SPLL以以下方式运行：
给出了两个数据窗口作为输入参数。
窗口W1是一个矩阵N1-by-n，并包含由n个要素描述的N1个对象。
窗口W2是一个矩阵N2-by-n，包含由n个要素描述的N2个对象。
输入参数K确定在每个窗口中将搜索多少个群集（默认值为3）。
使用k-means（MATLAB统计工具箱）将每个窗口中的数据聚类为K个聚类。
计算W1中群集的协方差矩阵，并计算加权平均协方差矩阵S。
给定群集的权重与分配给该群集的对象数成正比。
根据具有协方差矩阵S的马氏距离，将W2中的每个对象分配给具有最均值的聚类。所有这些距离的平均值给出了SPLL标准的第一部分SPLL1。
第二部分SPLL2以相同的方式计算，但是窗口W1和W2被交换了。
最后，SPLL
=
max（SPLL1，SPLL2）。
使用卡方分布计算p值，如果p
<0.05，则标记变化。
资料来源：Kuncheva
LI，使用似然检测器的流式多变量数据的变化检测，IEEE知识和数据工程学报，2013,25（5），
2023-02-26 17:25:23
17KB
1