方便对于大容量的数据进行聚类压缩，K-means算法目前是比较主流的主流方法，亲测有效，需要的可以下载，有问题的也可以给我留言进行交流。
2022-01-29 22:25:19
899KB
1
用dsscan 将AIS船舶轨迹聚类，有数据和代码，可直接运行。
小弟最近在玩贝叶斯网络，需要大量的积分，所以下载积分很高，对不住各位了
2021-04-03 12:54:12
252KB
1
def GMM_algorithm(iterMax,gmm,dataset):
'''
高斯混合聚类算法
:param iterMax: 最大迭代次数
:param gmm: 保存gmm模型的数据
:return: 簇划分结果
'''
step = 0
m = len(dataset)
flagMat = np.mat(np.zeros((m, 1))) # 保存每个样本的簇标记
lateProbMat = np.mat(np.zeros((m,3))) #保存后验概率
while step 3):
k += 1
print( k)
mark = ['or', 'ob', 'og', 'ok', '^r', '+r', 'sr', 'dr', '
2019-12-21 20:48:54
183KB
1
代码说明
代码仅供学习研究，未经允许，请勿擅自商用。
1.输入文件格式
输入的文件要求为N行两列的形式，两列分别对应，输入数据点的X轴坐标和Y轴坐标。
输入文件格式示例如下：
0.821794 -0.0462153
1.03929 0.060835
1.12046 0.0745568
1.02233 0.0514739
2.代码支持的凝聚层次聚类算法
通过简要的修改代码中函数的参数，代码可以支持不同的凝聚方法，支持的凝聚方法如下，默认的为代码本身算法：
单连接算法（默认，最近邻聚类算法，最短距离法，最小生成树算法）；全连接算法（最远邻聚类算法，最长距离法）；未加权平均距离法；加权平均法；质心距离法；加权质心距离法；内平方距离法（最小方差算法）
3.代码支持的距离（相似度）度量公式
通过简要的修改代码，代码支持计算距离的过程采用不同的距离或相似度度量公式，支持的距离（相似度）公式如下，默认为代码本身才采用的距离公式：
欧氏距离（默认）；标准化欧氏距离；马氏距离；布洛克距离（曼哈顿距离，城市街区距离）；闵可夫斯基（明可夫斯基）距离；余弦相似度；相关性相似度；汉明距离；Jaccard相似度；切比雪夫距离。
2019-12-21 20:21:28
328KB
1