一、聚类算法1、常见的聚类算法（待）二、K均值1、步骤（1）随机选取K个质心（2）分别计算每个样本与这K个质心的距离，将样本分配到距其最近的簇（3）对K个簇分别取均值，重新选择质心。所谓的取均值就是分别对每个特征取均值，这样就会计算出一个新的数据点，将此数据点作为质心（4）重复(2)-(3)，直至质...
分类：
其他好文 时间：
2014-12-24 06:22:26
阅读次数：
145
转载：http://blog.csdn.net/v_july_v/article/details/40738211 0 引言 11月1日上午，机器学习班第7次课，邹博讲聚类（PPT），其中的谱聚类引起了自己的兴趣，他从最基本的概念：单位向量、两个向量的正交、方阵的特征值和特征向量，讲到相似度图、拉普...
分类：
其他好文 时间：
2014-12-19 11:57:00
阅读次数：
311
高斯模型就是用高斯概率密度函数（正态分布曲线）精确地量化事物，将一个事物分解为若干的基于高斯概率密度函数（正态分布曲线）形成的模型。 对图像背景建立高斯模型的原理及过程：图像灰度直方图反映的是图像中某个灰度值出现的频次，也可以以为是图像灰度概率密度的估计。如果图像所包含的目标区域和背景区域相差比较大...
分类：
其他好文 时间：
2014-12-19 11:37:46
阅读次数：
826
作者：Tsaipei Wang, Member, IEEE发表：IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS—PART B: CYBERNETICS, VOL. 41, NO. 3, JUNE 2011 这是一遍关于聚类集成的论文，作者提出了....
分类：
其他好文 时间：
2014-12-19 01:53:47
阅读次数：
221
1.K-means:聚类算法，无监督输入：k, data[n];（1） 选择k个初始中心点，例如c[0]=data[0],…c[k-1]=data[k-1];（2） 对于data[0]….data[n], 分别与c[0]…c[k-1]比较，假定与c[i]差值最少，就标记为i;（3） 对于所有标记为i...
分类：
其他好文 时间：
2014-12-18 23:33:31
阅读次数：
307
package MyCluster;import java.io.BufferedReader;import java.io.FileInputStream;import java.io.FileNotFoundException;import java.io.IOException;import ...
分类：
其他好文 时间：
2014-12-18 18:14:00
阅读次数：
189
原文地址：http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy1/index.html“探索推荐引擎内部的秘密”系列将带领读者从浅入深的学习探索推荐引擎的机制，实现方法，其中还涉及一些基本的优化方法，例如聚类和分类的应用。同...
分类：
其他好文 时间：
2014-12-15 20:15:28
阅读次数：
360
最近看了一些矩阵和谱聚类的知识，特在此简单记录一下。详细可以先看下参考文献。
首先看到的是孟岩写的三篇.
一：理解矩阵(一)
1:传统书籍空间的定义：存在一个集合，在这个集合上定义某某概念，然后满足某些性质”，就可以被称为空间。孟的空间包含四点：(1). 由很多（实际上是无穷多个）位置点组成；(2). 这些点之间存在相对的关系；(3). 可以在空间中定义长度、角度；4.
这个空间可以容纳运...
分类：
其他好文 时间：
2014-12-15 17:17:39
阅读次数：
176
#include #include #include #define MAX_CLUSTERS (8)using namespace std;int main( int argc, char **argv){IplImage *imgA = cvLoadImage( "1.jpg", CV_LOAD...
分类：
其他好文 时间：
2014-12-15 16:47:47
阅读次数：
379
主成份分析历史：
Pearson于1901年提出，再由Hotelling（1933）加以发展的一种多变量统计方法。通过析取主成分显出最大的个别差异，也用来削减回归分析和聚类分析中变量的数目，可以使用样本协方差矩阵或相关系数矩阵作为出发点进行分析。
通过对原始变量进行线性组合，得到优化的指标：把原先多个指标的计算降维为少量几个经过优化指标的计算（占去绝大部分份额）
基本思想：设法将原先众多具有...
分类：
编程语言 时间：
2014-12-15 10:29:54
阅读次数：
290
