没有合适的资源?快使用搜索试试~
我知道了~
文库首页
信息化管理
其它
EM算法与-K-Means算法比较
EM算法与-K-Means算法比较
kmeans
需积分: 42
13 下载量
78 浏览量
2016-11-22
19:17:31
上传
评论
1
收藏
202KB
PDF
举报
温馨提示
立即下载
EM算法与-K-Means算法比较
资源推荐
资源评论
利用k-menas来解释EM算法
浏览:145
NULL 博文链接:https://fuhao-987.iteye.com/blog/932437
聚类算法的介绍,EM算法和K-means
浏览:178
4星 · 用户满意度95%
这是一个有关于聚类算法的ppt讲义,里面有涉及到常见的EM算法和K平均值算法
k-means聚类、EM聚类、模糊聚类比较
浏览:75
4星 · 用户满意度95%
PPT较详细的讲述了k-means、em聚类、模糊聚类等不同聚类的算法原理和过程
EM&GMM;&k-means
浏览:190
关于EM、GMM和k-means之间的联系,是笔者曾经的一个分享
Em算法(使用C++编写的Em聚类算法,Em类具有一定可重用性,带有作为Demo的Main函数)
浏览:120
自己使用C++编写的Em聚类算法,Em类具有一定可重用性,带有作为Demo的Main函数。算法存在一些问题,主要是对公式理解不够深刻,比如协方差矩阵只能为对角阵且行列式为0的问题(给对角线元素加上一个很小的数解决的),希望大家对算法提出意见。
k-means-constrained:K均值聚类-受最小和最大聚类大小限制
浏览:123
k均值约束 K-均值聚类实现,可以为每个聚类指定最小和/或最大大小。 通过将K-means实现公式化为最小成本流(MCF)线性网络优化问题,它可以修改集群分配步骤(EM中的E)。 然后,使用成本缩放推入重新标记算法解决此问题,并使用这是一种快速的C ++实现)。 该软件包的灵感来自 。 Bradley等人提出的原始最低成本流(MCF)网络。 已被修改,因此最大群集大小和最小群集大小也可以指定。
使用背景知识的有约束的K-均值聚类
浏览:154
文献节选翻译。文献原名:Constrained K-means Clustering with Background Knowledge
EM算法-最大期望算法(使用C++编写)
浏览:170
5星 · 资源好评率100%
使用C++编写的最大期望算法(EM),包含一个算法的实现类cEm以及main函数。本人对EM算法不太熟悉,希望大家以批评的眼光来参看这个程序。
EM算法c和matlab程序
浏览:134
5星 · 资源好评率100%
采用c语言和matlab编程,使用K_means分裂法求初值,在用EM算法进行聚类
基于K_Means和EM算法的聚类分析
浏览:2
4星 · 用户满意度95%
基于K_Means和EM算法的聚类分析,描述了K均值与EM算法的实现,并对两种方法进行比较
EM算法,能够比较准确的实现对二维数据的分类,已测试通过,完全可以运行
浏览:33
EM算法,能够比较准确的实现对二维数据的分类,已测试通过,完全可以运行
33. 比较算法EM、HMM、CRF1
浏览:80
马尔科夫三个基本问题:概率计算问题:给定模型和观测序列,计算模型下观测序列输出的概率——前向后向算法学习问题:已知观测序列,估计模型参数,即用极大似然估计来估计
em算法matlab代码-EMvsNLM:EM算法与nlm优化器拟合折叠法线的数值比较
浏览:85
em算法matlab代码EMvsNLM EM算法与nlm优化器用于拟合折叠正态分布的数值比较。 该存储库包含处理后的数据(最初用于Jung,S.,Foskey,M.和Marron,JS(2011),“直接产品流形的主弧分析”,《应用统计年鉴》,第5卷,第578–603页),以及Matlab和R代码。 要进行测试,请先运行matlab_EM.m(在Matlab中),然后再运行r_nlm.r(在R中)
K-Means-from-scratch:从零开始实施K-Means聚类算法,并与Scikit学习模型进行比较
浏览:181
K-Means-from-scratch:从零开始实施K-Means聚类算法,并与Scikit学习模型进行比较
k_means算法
浏览:193
matlab写成的K_means算法,经典简单,注释明确,适合初学者,其中还附带了EM算法
大白话EM算法--从此爱上EM迭代
浏览:78
1.1EM算法之回顾最大似然估计1.2EM算法之回顾贝叶斯估计1.3EM算法之回顾K-means算法1.4EM算法之算法目标引入1.5EM算法之目标函数转换--利用Jensen不等式1.6EM算法之目标函数求解--关于Q(z, θ)的表达1.7EM算法流程...
基于遗传算法的K_means初始化EM算法及聚类应用
浏览:53
基于遗传算法的K_means初始化EM算法及聚类应用
期望最大化与K均值算法matlab源码(EM K-means)
浏览:125
4星 · 用户满意度95%
EM algorithm for k multidimensional Gaussian mixture estimation % (EM_GM_fast is the modified version of EM_GM for speed enchancement. % The functionalities of EM_GM_fast and EM_GM are identical.)
几何直方图和K-Means算法在图像检索中的性能比较-研究论文
浏览:79
图像检索系统是用于基于文本或自动派生的特征从图像数据库中检索语义相关图像的技术集。 图像检索的大多数传统方法和常用方法都采用了一些向图像添加元数据(例如字幕,关键字或描述)的方法,以便可以在注释词上执行检索。 手动图像注释非常耗时,费力且昂贵。 但是,对于非常大的图像数据库,此方法显然是不切实际的,并且其有效性高度取决于专家的主观意见,而专家也可能会为同一图像提供不同的描述。 使用自动派生的图像特
EM&K-means_Cluster segmentation.zip
浏览:48
两种算法:1.使用EM算法对3通道彩色图片进行聚类分割,给出误差; 2.使用K-means算法对3通道彩色图片进行聚类分割,给出误差。 两者都需要输入聚类个数的数组,实现分割。
CT重建算法之统计迭代类算法;ML-EM算法(matlab的实现版本)
浏览:200
EM算法是一种比较通用的参数估计算法,被广泛用于支持向量机(SMO算法)、朴素贝叶斯、GMM(高斯混合模型)、K-means(K均值聚类)和HMM(隐马尔可夫模型)的参数估计。理解EM算法(例子) 在统计学中,概率用于...
经常用于分类的EM算法
浏览:186
对于K-Means方法和谱聚类等机器学习分类算法,EM算法是最常用的方法
数据挖掘经典算法
浏览:96
数据挖掘经典算法 论文文献,C4.5,k-Means, SVM, Apriori, EM, PageRank, AdaBoost,kNN, Naive Bayes, and CART
em算法matlab代码-EM-Algorithm-for-Gaussian-Mixtures:EM算法的实现以适合不同形状的高斯混合
浏览:100
Mu用k-means算法的聚类中心初始化。 Sigma初始化为2x2维的恒等矩阵。 混合参数(alpha)初始化为1 / componentNumber,因为混合参数的总和应等于“ 1”。 EM算法 初始化所有参数后,EM算法开始运行。 EM在每次迭代时
中文版经典EM算法介绍 第四次修改
浏览:112
5星 · 资源好评率100%
这是该pdf的第四次修改版,修正了其中的公式推导错误,加入了在EM思想下理解k-means算法 机器学习与模式识别中的经典EM算法的中文介绍 由浅入深,值得一看
gabor提取纹理特征,k-means方法无监督聚类进行图像分割
浏览:139
4星 · 用户满意度95%
gabor提取纹理特征,k-means方法无监督聚类进行图像分割
基于Python实现一个k-means算法和混合高斯模型【100011012】
浏览:78
实现一个k-means算法和混合高斯模型,并且用EM算法估计模型中的参数。
基于Python实现k-means算法和混合高斯模型【100011756】
浏览:196
用高斯分布产生k个高斯分布的数据(不同均值和方差)(其中参数自己设定... (2)用混合高斯模型和你实现的EM算法估计参数,看看每次迭代后似然值变化情况,考察EM算法是否可以获得正确的结果(与你设定的结果比较)。
评论
收藏
内容反馈
立即下载
资源评论
资源反馈
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~
联系上传者
评论
真的震撼
粉丝: 1
资源:
1
私信
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场,查看用户热搜
最新资源
数据库实验报告三.doc
数据库应用程序设计作业.doc
施工图审查信息化管理平台整体解决方案.doc
visualize1.py
物联网分布式系统应用.pptx
物联网在医疗健康中的应用-第1篇概述.pptx
11_4.ide
物联网在智能家居中的应用-第1篇概述.pptx
unity10000个常用汉字
使用C#调用python操作
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功