聚类密度峰值聚类DPC

上传者: 41055870 | 上传时间: 2022-10-05 18:05:55 | 文件大小: 585KB | 文件类型: ZIP
基于密度峰值的聚类算法全称为基于快速搜索和发现密度峰值的聚类算法(clustering by fast search and find of density peaks, DPC)。它是2014年在Science上提出的聚类算法,该算法能够自动地发现簇中心,实现任意形状数据的高效聚类。 该算法基于两个基本假设:1)簇中心(密度峰值点)的局部密度大于围绕它的邻居的局部密度;2)不同簇中心之间的距离相对较远。为了找到同时满足这两个条件的簇中心,该算法引入了局部密度的定义。

文件下载

资源详情

[{"title":"( 16 个子文件 585KB ) 聚类密度峰值聚类DPC","children":[{"title":"DPC","children":[{"title":"DPC.m <span style='color:#111;'> 1.66KB </span>","children":null,"spread":false},{"title":"dataset","children":[{"title":"Agg.mat <span style='color:#111;'> 3.48KB </span>","children":null,"spread":false},{"title":"Birch1.mat <span style='color:#111;'> 451.25KB </span>","children":null,"spread":false},{"title":"Lineblobs.mat <span style='color:#111;'> 4.14KB </span>","children":null,"spread":false},{"title":"jain.mat <span style='color:#111;'> 1.81KB </span>","children":null,"spread":false},{"title":"threecircles.mat <span style='color:#111;'> 4.65KB </span>","children":null,"spread":false},{"title":"D31.mat <span style='color:#111;'> 31.61KB </span>","children":null,"spread":false},{"title":"s3.mat <span style='color:#111;'> 31.63KB </span>","children":null,"spread":false},{"title":"Flame.mat <span style='color:#111;'> 3.86KB </span>","children":null,"spread":false},{"title":"R15.mat <span style='color:#111;'> 4.35KB </span>","children":null,"spread":false}],"spread":true},{"title":"decision graphgroundtruth.jpg <span style='color:#111;'> 31.96KB </span>","children":null,"spread":false},{"title":"psave.m <span style='color:#111;'> 261B </span>","children":null,"spread":false},{"title":"showDeltas.m <span style='color:#111;'> 360B </span>","children":null,"spread":false},{"title":"cluster resultgroundtruth.jpg <span style='color:#111;'> 37.39KB </span>","children":null,"spread":false},{"title":"selectRect.m <span style='color:#111;'> 231B </span>","children":null,"spread":false},{"title":"showColorShape.m <span style='color:#111;'> 910B </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

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