order.csv是K-Means聚类算法使用到的数据集，通过K-Means聚类算法可以实现对于order.csv中的数据按照聚类中心进行聚类
2021-07-26 11:11:10
1.88MB
1
传统的k-means算法对初始聚类中心敏感，聚类结果随不同的初始输入而波动。为消除这种敏感性，提出一种优化初始聚类中心的方法，此方法计算每个数据对象所在区域的密度，选择相互距离最远的k个处于高密度区域的点作为初始聚类中心。实验表明改进后的k-means算法能产生质量较高的聚类结果，并且消除了对初始输入的敏感性。
关键词：数据挖掘；聚类；k-means算法；聚类中心
2021-07-06 21:09:32
102KB
1
K-Means算法简介及最新改进Java代码实现（2）
K-Means算法Java代码实现（基于weka的二次开发）
2021-06-29 15:58:13
6KB
1
文档，数据，以及代码应有尽有！解压即可使用，code直接丢到spyder里面，如果不想改路径就想使用，直接解压到桌面上面运行。文档和代码以及数据均是网络上的综合之后，根据本人经验进行修改。
2021-06-17 09:48:32
13.39MB
1
聚类
今天说K-means聚类算法，但是必须要先理解聚类和分类的区别，很多业务人员在日常分析时候不是很严谨，混为一谈，其实二者有本质的区别。
分类其实是从特定的数据中挖掘模式，作出判断的过程。比如Gmail邮箱里有垃圾邮件分类器，一开始的时候可能什么都不过滤，在日常使用过程中，我人工对于每一封邮件点选“垃圾”或“不是垃圾”，过一段时间，Gmail就体现出一定的智能，能够自动过滤掉一些垃圾邮件了。这是因为在点选的过程中，其实是给每一条邮件打了一个“标签”，这个标签只有两个值，要么是“垃圾”，要么“不是垃圾”，Gmail就会不断研究哪些特点的邮件是垃圾，哪些特点的不是垃圾，形成一些判别的模式，这样
2021-06-15 20:41:10
336KB
1
K-means算法在图像分割上的简单应用
*
例1：
图片：一只遥望大海的小狗；
此图为100 x 100像素的JPG图片，每个像素可以表示为三维向量（分别对应JPEG图像中的红色、绿色和蓝色通道） ；
将图片分割为合适的背景区域（三个）和前景区域（小狗）；
使用K-means算法对图像进行分割。
*
2021-06-10 13:27:36
2.53MB
1
此处基于K-means算法处理Iris数据集
Kmeans.py模块：
import numpy as np
class KMeansClassifier():
"""初始化KMeansClassifier类"""
def __init__(self, k=3, initCent='random', max_iter=500):
# 类的成员数据(变量前用下划线)
self._k = k # 中心点
self._initCent = initCent # 生成初始中心点
self._max_iter = max_ite
2021-05-25 18:31:23
92KB
1