机器学习与算法及源码：聚类分析.zip

kmeans 分析matlab代码CS 221 最终项目代码 2015 年 12 月 8 日 我的大部分分析都是在 python 中完成的。 请按以下顺序查看代码： 自编码器.ipynb。 在这个 ipython notebook 中，我加载数据，然后使用 Keras 训练各种自动编码器。 我还测试了另一个 python 包 Theanet，但它没有给我想要的那么多控制权。 训练完自动编码器后，我会保存它并将其传输到服务器，在那里我可以执行更重的计算。 Method_pipeline.m。 此 MATLAB 文件加载编码数据和表达式矩阵。 它运行 ADMM (jz_ADMM.m)，在某些点使用收缩算子 (jz_shrink.m)，求解方程。 5 在纸上。 此代码为各种 lambda 输出一系列 U。 分析.ipynb。 在这个 ipython notebook 中，我使用各种函数对 Method_pipeline.m 生成的矩阵执行 kmeans 聚类和可视化 (PCA)。 请参阅代码中的注释以获取更多详细信息。

针对洪涝灾区紧急物资分配问题,构建结合“互联网+”的研究框架,提出一种混合优化方法.从以下几个方面进行研究:对灾区物资需求进行遗传点估计;对受灾区域进行无监督聚类划分;明确紧急度优先级;依权重将应急库存剩余救援物资分配到灾区;更新灾区物资需求,直到灾区需求达到预设满足程度.研究表明,所提出的混合优化方法能够在需求满足比率和时间分配成本两方面实现系统优化,有效利用黄金救援期实现人道主义救援.

python机器学习算法决策树和聚类分析实验报告

基因微阵列数据的聚类分析算法研究.doc

D-S证据理论不能很好地描述证据之间的冲突, 而且证据高度冲突时合成规则会得出反直观的结果。针对这一问题, 提出了一种改进的证据合成方法。首先建立余弦相似度空间, 利用证据向量之间的夹角余弦度量证据相似性程度, 通过冲突证据检测因子对其进行分类; 然后引入冲突比例因子决定证据的修正方法, 利用相似度对其进行局部修正或全局修正; 最后将修正后的证据代入D-S公式进行合成。应用实例证明, 该方法能够判定冲突证据, 实现冲突证据和相似性证据的合成, 具有较好的稳定性、分类精度和收敛速度。

遗传算法实战应用案例（附解析资料+代码）-聚类分析问题.zip

作聚类分析图 X3 X6 X1 X4 X2 X5 1 0.994 0.955 0.994 0.933

聚类分析的一种改进的动物迁移优化算法

Matlab提供了两种方法进行聚类分析。 一种是利用 clusterdata函数对样本数据进行一次聚类，其缺点为可供用户选择的面较窄，不能更改距离的计算方法； 另一种是分步聚类：（1）找到数据集合中变量两两之间的相似性和非相似性，用pdist函数计算变量之间的距离；（2）用 linkage函数定义变量之间的连接；（3）用 cophenetic函数评价聚类信息；（4）用cluster函数创建聚类。