手写kmeans，支持向量量化，高斯聚类函数对mnist，yale，lung进行聚类.rar.rar
official_classification.py ： 使用了较多的sklearn中提供的聚类函数
self_classification.py ： 使用了较多的手写聚类函数（手写高斯聚类由于计算高维矩阵n次方报错，就没有使用）
两者可以相互比较看手写函数效果如何。
model.py ： 其中包含了kmeans，lvq，mixture-of-gaussian聚类函数，以及计算精度和NMI的手写函数，处理标签映射的匈牙利算法。
由于学习向量量化是依据ground truth的得到的一组原型向量，是有监督的学习，因此计算其精度没有意义，在函数里就没有计算精度和NMI，只打印出了原型向量
函数运行时会有warning，不用在意，手写的函数没有优化，速度较慢
代码对三个数据集，分别使用了kmeans，lvq，mixture-of-gaussian三个方法，在得到预测标签后，采用匈牙利算法对标签进行处理，计算其精确度acc和标准互信息nmi
这三种方法聚类的精度只有百分之五十几，在数据集yale中效果较差
运行方法：
安装相应需求的库，直接运行official_classifica
self_classification.py ： 使用了较多的手写聚类函数（手写高斯聚类由于计算高维矩阵n次方报错，就没有使用）
两者可以相互比较看手写函数效果如何。
model.py ： 其中包含了kmeans，lvq，mixture-of-gaussian聚类函数，以及计算精度和NMI的手写函数，处理标签映射的匈牙利算法。
由于学习向量量化是依据ground truth的得到的一组原型向量，是有监督的学习，因此计算其精度没有意义，在函数里就没有计算精度和NMI，只打印出了原型向量
函数运行时会有warning，不用在意，手写的函数没有优化，速度较慢
代码对三个数据集，分别使用了kmeans，lvq，mixture-of-gaussian三个方法，在得到预测标签后，采用匈牙利算法对标签进行处理，计算其精确度acc和标准互信息nmi
这三种方法聚类的精度只有百分之五十几，在数据集yale中效果较差
运行方法：
安装相应需求的库，直接运行official_classifica
文件下载
资源详情
[{"title":"（ 8 个子文件 6.04MB ） 手写kmeans，支持向量量化，高斯聚类函数对mnist，yale，lung进行聚类.rar.rar","children":[{"title":"实验一-孙麒麟","children":[{"title":"self_classification.py <span style='color:#111;'> 1.70KB </span>","children":null,"spread":false},{"title":"datasets","children":[{"title":"Yale.mat <span style='color:#111;'> 157.25KB </span>","children":null,"spread":false},{"title":"lung.mat <span style='color:#111;'> 4.54MB </span>","children":null,"spread":false},{"title":"MNIST.mat <span style='color:#111;'> 1.36MB </span>","children":null,"spread":false}],"spread":true},{"title":"official_classification.py <span style='color:#111;'> 1.86KB </span>","children":null,"spread":false},{"title":"__pycache__","children":[{"title":"model.cpython-37.pyc <span style='color:#111;'> 9.70KB </span>","children":null,"spread":false}],"spread":true},{"title":"读我.txt <span style='color:#111;'> 860B </span>","children":null,"spread":false},{"title":"model.py <span style='color:#111;'> 14.01KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]
评论信息
其他资源
- libwebsockets win7 vs2017 编译工程
- GMT使用中文手册
- matlab Gauss光束模拟
- DEM-9S_ESRI.zip
- ComplexMatrixMathLab(C++复数矩阵数学库，含源代码和DLL)
- 网页特效代码：樱花飘落、下雪、花瓣飞舞等
- 查看exe代码工具
- android投票系统完善版
- Python：在此存储库中，我介绍了一些Python基础知识并分享了一些项目-源码
- docker离线安装包+启动脚本+docker-kurento镜像文件
- 近十年共130篇优秀论文及题目
- HTML5从入门到精通
- 基于UDP协议的简单聊天系统设计与实现
- 网络攻防实验
- sql server 2008破解
- 自适应NLMS算法
- 网络异常行为侦测系统
- mysql_5.6.24.0
- eclipse 下各种 jar 包
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明