基于K-means聚類算法的圖像分割

圖像分割：利用圖像的灰度、顏色、紋理、形狀等特征，把圖像分成若干個互不重疊的區(qū)域，并使這些特征在同一區(qū)域內(nèi)呈現(xiàn)相似性，在不同的區(qū)域之間存在明顯的差異性。...

2023-09-07 標簽：圖像分割聚類算法K-means 3.8k 0

如何選擇適合的聚類算法？聚類分析時需要使用什么變量？

隨機采樣的樣本大小很重要，也不能過小。需要足夠有代表性，即小樣本依然可以代表總體的數(shù)據(jù)分布。如果最終需要劃分很多個簇，那么要非常小心，因為小樣本可能無法...

2019-04-01 標簽：數(shù)據(jù)挖掘聚類算法聚類分析 4.0萬 0

基本的k-means算法流程

同時，k值的選取也會直接影響聚類結果，最優(yōu)聚類的k值應與樣本數(shù)據(jù)本身的結構信息相吻合，而這種結構信息是很難去掌握，因此選取最優(yōu)k值是非常困難的。

2018-07-24 標簽：函數(shù)聚類算法k-means 2.1萬 0

Python無監(jiān)督學習的幾種聚類算法包括K-Means聚類,分層聚類等詳細概述

無監(jiān)督學習是機器學習技術中的一類，用于發(fā)現(xiàn)數(shù)據(jù)中的模式。本文介紹用Python進行無監(jiān)督學習的幾種聚類算法，包括K-Means聚類、分層聚類、t-SNE...

2018-05-27 標簽：聚類算法機器學習Python 3.2萬 0

機器學習中五種常用的聚類算法

與K均值相比最大的優(yōu)點是我們無需指定指定聚類數(shù)目，聚類中心處于最高密度處也是符合直覺認知的結果。但其最大的缺點在于滑窗大小r的選取，對于結果有著很大的影響。

2018-05-25 標簽：聚類算法機器學習 3.9萬 0

一種基于MapReduce模型的并行化k-medoids聚類算法

本文針對k-medoids算法具有初始點選取復雜、聚類迭代時間久、中心點選取消耗資源過多等缺點，使用Hadoop平臺下的MapReduce編程框架對算...

2018-05-18 標簽：聚類算法MapReduce 6.1k 0

基于密度DBSCAN的聚類算法

本文開始介紹了聚類算法概念，其次闡述了聚類算法的分類，最后詳細介紹了聚類算法中密度DBSCAN的相關概況。

2018-04-26 標簽：DBSCAN聚類算法 2.3萬 0

機器學習成為材料科學中復雜數(shù)據(jù)分析和信息挖掘的有力武器

隨后在實驗研究中，研究人員通過掃描探針加載脈沖電壓，以激勵弛豫鐵電體PMN-PT中微區(qū)壓電響應的弛豫信號（激勵電壓波形如圖二A所示），并根據(jù)不同脈沖偏壓...

2018-04-08 標簽：聚類算法機器學習K-means 1.0萬 0

fcm聚類算法優(yōu)缺點有哪些

　1965年美國加州大學柏克萊分校的扎德教授第一次提出了‘集合’的概念。經(jīng)過十多年的發(fā)展，模糊集合理論漸漸被應用到各個實際應用方面。為克服非此即彼的分類...

2017-11-03 標簽：聚類算法fcm 3.4萬 0

fcm聚類算法原理及應用

將物理或抽象對象的集合分成由類似的對象組成的多個類的過程被稱為聚類。由聚類所生成的簇是一組數(shù)據(jù)對象的集合，這些對象與同一個簇中的對象彼此相似，與其他簇中...

2017-11-03 標簽：聚類算法fcm 1.7萬 0

基于距離的聚類算法詳解

　確定k個劃分達到平方誤差最小。適用于發(fā)現(xiàn)凸面形狀的簇，簇與簇之間區(qū)別較明顯，且簇大小相近。

2017-11-03 標簽：算法聚類算法 1.4萬 0