1回答
自组织映射是一种非常聪明但快速且简单的数据聚类方法。但是自组织映射是在1990年发展起来的，自那以后，许多基于降维方法的鲁棒性强聚类方法得到了发展。它在当今的科学和工程领域中有哪些应用？
浏览 0提问于2017-03-03得票数 5
回答已采纳
作为我的MTP的一部分，我公开了一些聚类算法，如kmeans聚类算法、成对聚类算法等，作为web服务。现在我必须找到一个现实生活中的应用程序来解释我从聚类算法中获得的结果。这些聚类算法获取数据点(每个数据点代表xy平面上的一个点)，并使用欧
浏览 1提问于2011-04-10得票数 0
3回答
有没有人能推荐一些可以使用距离矩阵作为输入的聚类算法？或者也可以基于距离矩阵来评估聚类的“好坏”的算法？
目前，我使用的是对Kruskal算法()的修改，将数据分成两个集群。不过，它有一个问题。当数据没有不同的聚类时，算法仍然会创建两个聚类，一个聚类
浏览 0提问于2010-05-31得票数 0
回答已采纳
有许多聚类算法可用。一种流行的算法是K-means算法，其中，基于给定数量的聚类，该算法迭代以找到对象的最佳聚类。
在k-means聚类中，您使用什么方法来确定数据中的聚类数？R中是否有可用的包包含用于确定正确的集群数量的
浏览 1提问于2010-02-23得票数 13
人类是否可以手动对数据集进行聚类？例如，考虑下面描述的Iris数据集：
而不是使用基于连接的聚类(层次聚类)、基于质心的聚类、基于分布的聚类、基于密度的聚类等聚类算法。等。人类可以手动对虹膜数据集进行聚类</em
浏览 0提问于2015-03-16得票数 0
1回答
我有一组来自搜索引擎的用户查询需要集群。到目前为止，我遇到的唯一的聚类算法是K-means算法，它需要定义聚类的数量。在这种情况下，我不知道数据中存在多少簇。是否有任何聚类算法允许在不预先定义聚类数量的情况下进行聚类？
浏览 0提问于2013-01-29得票数 0
3回答
对于一个项目，我想实现一个颜色聚类算法，它用聚类的平均颜色替换相似的颜色。
目前，我使用kmeans算法对整个图像进行聚类。但这需要很长的时间。有没有人知道如何使用kmeans聚类颜色直方图，这样我就可以执行这个算法了？
浏览 2提问于2012-11-29得票数 6
回答已采纳
1回答
聚类中的相似矩阵
、、
我正在编写一种聚类算法，这在这中得到了解释。根据本文提出的算法，该算法通过结构相似度和属性相似度进行聚类。该算法在第4页被描述为这里。
浏览 0提问于2016-12-08得票数 -4
3回答
我读到我可以从lucene索引创建mahout向量，该索引可用于应用mahout聚类算法。我想在我的Lucene索引中的文档中应用K-means聚类算法，但还不清楚如何应用该算法(或分层聚类)来提取这些文档的有意义的聚类。在此页面中，表示算法接受两个输入目录:一个用于数据点，另一个用于初始聚<
浏览 1提问于2009-12-04得票数 12
回答已采纳
1回答
在应用聚类算法后，需要提取存在于聚类中心和存在聚类边界的数据。我怎么能通过使用python来做到这一点。这是我在集群之后的情节：
📷
浏览 0提问于2018-02-25得票数 0
1回答
我正在做一个社区级别的网络分析，我正在尝试检测我的网络中的社区。我用了三种不同的算法 (1)基于边缘间隔性的社区检测(Newman-Girvan) -检测到: 50个社区，模块化0.1 ceb <- cluster_edge_betweenness(net) plot(ceb, net, vertex.label = NA, edge.label = NA) (2)基于传播标签的社区检测-检测4个社
浏览 23提问于2020-08-27得票数 1
1回答
我试图使用R中的PAM算法来围绕medoid形成集群，但对于PAM (多少有点强于集群大小)是否有固定的集群大小呢？是否还有其他聚类算法可以为medoid提供大小相等的集群？
提前谢谢你的帮助。
浏览 3提问于2016-06-03得票数 0
1回答
增量聚类算法
、、、
我正在寻找一种增量聚类算法。所谓增量，我指的是从初始数据集开始构建集群的算法，它能够逐步吸收新的项/观察，将它们添加到现有的或新的集群中。聚类的最大数目是先验未知的，预计会随着时间的推移而增长，这意味着，在算法在初始数据集上运行之后，我期望收到属于以前从未见过的簇的观测结果。我对这类问题非常陌生，而聚
浏览 0提问于2022-12-02得票数 2
2回答
如何找出一个聚类算法的准确性，给出该算法的真实聚类和预测聚类？
我在网上搜索，但找不到任何有用的资源。我知道如何计算分类算法的准确率。
浏览 0提问于2013-07-29得票数 0
回答已采纳
1回答
我正在试验聚类算法，比如K-均值。现在，我使用所有变量作为聚类算法的输入。我想知道是否适合对聚类算法进行特征选择。也就是说，如何找到那些对集群最重要或最不重要的变量。对于我知道真正的聚类是什么的情况，我的想法是使用不断增加的变量组合子集作为聚类算法<
浏览 0提问于2021-10-16得票数 0
1回答
不同维度的聚类
、、
在我的聚类问题中，不仅点可以来来去去，还可以删除或添加特征。我的问题有没有什么聚类算法？
具体地说，我正在寻找这些类型的聚类算法的凝聚层次聚类版本。
浏览 34提问于2012-07-18得票数 0
1回答
有人能指出特征选择和聚类以及降维算法之间的区别吗？聚类帮助我们指出哪些变量簇清楚地定义了输出。这与降维算法不一样吗？特征选择+聚类不是和降维算法一样吗？
浏览 4提问于2015-10-27得票数 0
1回答
我注意到，在我的数据集中，一个特定的列是高度可分离的，它将数据完美地分成5个不同的类(重新计算class2的意思比class1更好)。我想使用来自同一数据集的聚类模型来研究底层结构。尽管我知道这个特性是高度可分离的，但我是否应该将这个列作为一个变量来进行聚类呢？所有这些都是假设我将使用K-均值
浏览 0提问于2021-11-25得票数 1
回答已采纳
1回答
我正在修安德鲁·吴的课程“在课程中学习机器”。在讨论聚类时，他告诉我们，K-均值聚类算法是应用最广泛的算法.我之前还使用了Kruskal的聚类算法，这是一种非常有效的基于路径压缩和基于秩的联合算法。什么使K-的意思比Kruskal的算法更好？
浏览 2提问于2020-06-01得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
