针对K-means算法因随机选取聚类中心而易造成聚类结果不稳定的问题,提出PCA-KDKM算法。该算法使用主成分分析法对数据集的属性降维,提取主属性;利用k′dist曲线自动获取k值;计算平缓曲线上所含数据对象的均值并选取其中一值,作为首个初始聚类中心;利用基于密度和最大最小距离的算法思想进行聚类;结合类间距离和类内聚类提出聚类质量评价函数。将该算法与K-means、KNE-KM、QMC-KM、CFSFDP-KM在UCI数据集上进行聚类比较,结果表明该算法聚类结果稳定,聚类准确率高。将PCA-KDKM算法应用在微博舆情分析中,抓取不同类别的数万条数据进行聚类分析。实验结果表明,PCA-KDKM算法在微博舆情分析中有更高的准确性和稳定性,有利于及时发现热点舆情。
2024-01-11 11:38:00
437KB
1
K-means 对 iris 数据进行聚类并显示聚类中心，聚类结果等，附注释
2023-12-30 13:53:10
4KB
1
这里面是机器学习里面聚类所需的数据集，分为人工的二维数据集，如月牙形，双螺旋型等，和UCI真实数据集，是我搜集好久才弄出来的，有一些二维数据集是自己生成的，提供给大家做算法实验。
2023-11-29 15:45:13
2.44MB
1
DBSCAN（Density-BasedSpatialClustering
ofApplicationswithNoise）聚类算法，它是一种基于高密度连通区域的、基于密度的聚类算法，能够将具有足够高密度的区域划分为簇，并在具有噪声的数据中发现任意形状的簇。我们总结一下DBSCAN聚类算法原理的基本要点：DBSCAN算法需要选择一种距离度量，对于待聚类的数据集中，任意两个点之间的距离，反映了点之间的密度，说明了点与点是否能够聚到同一类中。由于DBSCAN算法对高维数据定义密度很困难，所以对于二维空间中的点，可以使用欧几里德距离来
2023-11-22 20:43:52
679KB
1
利用k_means聚类算法的MapReduce并行化实现，为学习hadoop的同学提供参考
2023-11-17 15:02:23
258KB
1
数据挖掘实战聚类分析的资源，包括城市消费因素的数据集和k-means，k-medoids，层次聚类，Som四种聚类分析算法的代码。
2023-11-04 19:41:52
7KB
1
完整全套资源下载地址：https://download.csdn.net/download/qq_27595745/66030967
【完整课程列表】
完整版 南京邮电大学 机器学习课程教程PPT课件 1-1.机器学习简介-上课版part1（共31页）.ppt
完整版 南京邮电大学 机器学习课程教程PPT课件 1-2 机器学习简介-上课版part2（共55页）.ppt
完整版 南京邮电大学 机器学习课程教程PPT课件 2. 概念学习 分类（共27页）.ppt
完整版 南京邮电大学 机器学习课程教程PPT课件 3 决策树（共44页）.ppt
完整版 南京邮电大学 机器学习课程教程PPT课件 4-1 贝叶斯学习（共18页）.ppt
完整版 南京邮电大学 机器学习课程教程PPT课件 5. 神经网络（共42页）.ppt
完整版 南京邮电大学 机器学习课程教程PPT课件 6 支持向量机（共29页）.ppt
完整版 南京邮电大学 机器学习课程教程PPT课件 7. 基于实例的学习-k近邻（共17页）.ppt
完整版 南京邮电大学 机器学习课程教程PPT课件 8-1 模式选择和评估（共30页）.pdf
完整版 南京邮电大学 机器学习课程教程PPT课件 8-2 模式选择和评估（共14页）.ppt
完整版 南京邮电大学 机器学习课程教程PPT课件 9. 计算学习理论（共26页）.ppt
完整版 南京邮电大学 机器学习课程教程PPT课件 10 聚类分析（共74页）.ppt
完整版 南京邮电大学 机器学习课程教程PPT课件 12 特征选择（共36页）.ppt
完整版 南京邮电大学 机器学习课程教程PPT课件 13 Sparse-SDM10（共133页）.pdf
完整版 南京邮电大学 机器学习课程教程PPT课件 14 机器学习总结（共25页）.ppt
完整版 南京邮电大学 机器学习课程教程PPT课件 15 Overview of ensemble（共31页）.ppt
2023-11-02 10:05:05
639KB