Kmeans和GMM算法思路和Demos_第1頁
Kmeans和GMM算法思路和Demos_第2頁
Kmeans和GMM算法思路和Demos_第3頁
Kmeans和GMM算法思路和Demos_第4頁
Kmeans和GMM算法思路和Demos_第5頁
已閱讀5頁，還剩11頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、聚類kmeans 和 gmm,31520111153200,kmeans,輸入：聚類個數(shù)k，以及包含 n個數(shù)據(jù)對象的矩陣。 輸出：滿足方差最小標(biāo)準(zhǔn)的k個聚類,算法過程,1） 從 n個數(shù)據(jù)對象任意選擇 k 個對象作為初始聚類中心； （2） 根據(jù)每個聚類對象的均值（中心對象），計算每個對象與這些中心對象的距離；并根據(jù)最小距離重新對相應(yīng)對象進(jìn)行劃分； （3） 重新計算每個（有變化）聚類的均值（中心對象） （4） 循環(huán)（3）到（4）直到每個聚類不再發(fā)生變化為止,kmeans,初始點選擇 利用隨機(jī)數(shù) srand(time(null); temp=(long)rand()%dimension+1; whi

2、le(iat(temp).x; centriodyi=pointmatrix-at(temp).y; centriodx1i=0; centriody1i=0; +i;,kmeans,歐式距離的計算 distance= double distancetemp=sqrt(pow(pointmatrix-at(kdimension).x-centriodxj),2.0)+ pow(pointmatrix-at(kdimension).y-centriodyj),2.0,kmeans,中心點選擇 x=(x1+x2+.+xn)/n y=(y1+y2+.+yn)/n 終止條件 對原中心點和新中心點求： terminal=|x1-x2|+|y1-y2,gmm,em,算法,概率函數(shù),fourty.data,long1.data,spiral.data,sq

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論