针对心电图自动诊断困难这一问题，提出了一种新的聚类算法：基于均方差属性加权的遗传模拟退火K-means改进聚类算法，用于改进心电图（ECG）信号的自动识别技术。利用小波变换的多分辨率和抗干扰能力好的特点，检测QRS波、P波、T波，提高了特征检测的准确性；利用聚类分析具有较好的鲁棒性和适合于大数据量分析的特点，对心电信号进行波形分类。采用MIT-BIH标准心电数据库中的部分数据对识别结果进行判断，改进后的K-means聚类算法的准确率高于传统的K-means聚类算法，实验表明该算法对心电信号可以进行有效分类。
2022-05-08 15:47:58
876KB
1
对聚类算法K-means的研究与改进，郑立杰，刘刚，针对传统的K-means算法中聚类的质量受聚类数目的选取和初始聚类中心的确定的影响很大的问题，我们提出了以文档密度为参数，将文档��
2022-05-08 12:57:41
367KB
1
首先导入数据集
#导入本地图片集
import os
import cv2
array_of_img = [] #用于储存图像
#此函数用于读取图片，参数为本地路径名
def read_directory(directory_name):
#循环读取这个路径中的每个图像
for filename in os.listdir(directory_name):
#print(filename)
#img用于储存图像数据
img = cv2.imread(directory_name + "/" + filename)#根据文件夹名称与文件名进行图像的读取
2022-05-04 14:37:13
44KB
1
python3代码，根据图像颜色特征进行据类。
第一步：得到图片的RGB模型矩阵
第二步：将RGB模型转化为HSV模型
第三步：将HSV转化为n维的特征向量
第四步：调用K-means对特征矩阵进行聚类
2022-05-03 16:53:37
3KB
1
本资源为机器学习实战的所有源代码。包含的内容有使用k-近邻算法改进约会网站的配对效果、使用k-近邻算法识别手写数字、使用决策树预测隐形眼镜类型、使用朴素贝叶斯过滤垃圾邮件、从疝气病症预测病马的死亡率、SVM手写识别问题回顾、利用AdaBoost元算法提高分类、线性回归预测鲍鱼的年龄、岭回归预测乐高玩具套装的价格、树回归、K-means对地理坐标进行聚类、Apriori算法发现毒蘑菇的相似特征、FP-growth算法从新闻网站点击流中挖掘、PCA对半导体制造数据降维、SVD基于协同过滤的推荐引擎、分布式SVM的Pegasos算法、用mrjob实现MapReduce版本的SVM。’
2022-04-30 13:06:16
12.72MB
机器类型通信（MTC）设备可提供广泛的数据收集，尤其是在海量数据生成的环境（例如城市，工业和事件启用区域）上。 在密集部署中，MTC设备之间最近的位置收集的数据在空间上相关。 在本文中，我们提出了一种k-均值分组技术，以基于空间相关性组合所有MTC设备。 MTC设备在基于事件的区域上收集数据，然后传输到集中式聚合器以进行处理和计算。 由于集中聚合器上计算资源的限制，一些分组的MTC设备数据被卸载到与移动边缘计算服务器并置的附近基站。 作为在MTC设备上采用的传感能力，我们使用幂指数函数模型来计算MTC设备之间存在的相关系数。 在此框架的基础上，我们将所有数据在集中式聚合器上本地处理或在移动边缘计算服务器上卸载时的能耗与通过蛮力方法获得的最佳解决方案进行比较。 然后，仿真结果表明，所提出的k均值分组技术在满足所需完成时间的同时降低了集中式聚合器的能耗。
2022-04-29 11:19:40
1.51MB
1
功能1. kMeans.predict(Xnew)
描述1. 返回一个或多个测试实例的估计集群。
例子
X = [[1, 2]; [1，4]; [1, 0];[10, 2]; [10, 4]; [10, 0]]; Xnew = [[0, 0]; [12，3]]; k = 2;
mdl = kMeans(k); mdl = mdl.fit（X）; Ypred = mdl.predict(Xnew)
Ypred =
1 2
质心 = mdl.C
1 2 10 2
请参阅脚本文件中的示例。
2022-04-28 21:23:37
38KB
1