传统K-means算法对初始聚类中心的选取和样本的输入顺序非常敏感，容易陷入局部最优。针对上述问题，提出了一种基于遗传算法的K-means聚类算法GKA，将K-means算法的局部寻优能力与遗传算法的全局寻优能力相结合，通过多次选择、交叉、变异的遗传操作，最终得到最优的聚类数和初始质心集，克服了传统K-means算法的局部性和对初始聚类中心的敏感性。
2021-11-03 22:08:24
230KB
1
K-Means欠采样python实现
1. K-Means欠采样原理
为解决分类问题中效果受样本集类间不平衡，并提高训练样本的多样性，可以使用K-Means欠采样对样本进行平衡处理。该方法利用K-means方法对大类样本聚类，形成与小类样本个数相同的簇类数，从每个簇中随机抽取单个样本与风险样本形成平衡样本集。K-means欠采样过程如下：
Step1：随机初始化k个聚类中心，分别为uj(1,2,…,k)；
Step2：对于大样本xi(1,2,…,n)，计算样本到每个聚类中心uj的距离，将xi划分到聚类最小的簇，c(i)为样本i与k个类中距离最近的那个类，c(i)的值为1到k中的一个，则c(i)
2021-11-03 19:34:03
40KB
1
这是模式识别的课程作业，有k均值聚类算法和ISODATA聚类算法，正对遥感影像或者图片进行聚类。写的算法较为粗糙，还请大家多多指教！
2021-11-02 21:16:57
6.85MB
1
TW-Co-k-means：用于多视图聚类的两级加权协作k-means
2021-10-30 15:41:53
1024KB
1
matlab不运行一段代码均值
该项目使用K-Means聚类算法来压缩图像。
要运行该项目，请在Octave或Matlab中运行文件ex7.m。
该代码用Matlab编写，但也可以在Octave中运行。
可以在文件ex7.m中更改该图像，并且可以使用新图像来测试算法的工作情况
建议：不要使用大文件（>
35kB）进行群集，因为这将花费很长时间。
2021-10-29 15:52:49
10.41MB
1
k-means聚类算法
k-means是发现给定数据集的k个簇的算法，也就是将数据集聚合为k类的算法。
算法过程如下：
1）从N个文档随机选取K个文档作为质心
2）对剩余的每个文档测量其到每个质心的距离，并把它归到最近的质心的类，我们一般取欧几里得距离
3）重新计算已经得到的各个类的质心
4）迭代步骤（2）、（3）直至新的质心与原质心相等或迭代次数大于指定阈值，算法结束
算法实现
随机初始化k个质心，用dict保存质心的值以及被聚类到该簇中的所有data。
def initCent(dataSet , k):
N = shape(dataSet)[1]
cents = {}
ran
2021-10-29 10:10:10
73KB
1
机器视觉基础 | image-k-means | 基于 k-均值聚类算法图像分割
2021-10-27 20:53:34
640KB
1