密度聚类的 C#代码，用起来挺顺手的。DBSCAN 算法的思路就是找到数据中“扎堆”的地方，这种方式对有噪声的数据友好。不像 K-Means 那样非得指定几个中心点，它靠的是每个点周围有多少邻居来判断是不是一个簇。 代码结构比较清晰，你只要把数据点丢进去，调一下参数，比如邻域半径和最小点数，结果就出
C# 0 次浏览
kmeans聚类算法，目前只支持一位数组。亲测可用。
C 16 次浏览
Yahoo！地图丛集的使用示例：- 创建地图对象- 设置地图中心点和缩放级别- 创建标记并添加到地图- 为标记设置位置- 创建多个标记并添加到地图
Typescript 21 次浏览
BIRCH 聚类算法是一种增量且基于层次的聚类方法，适用于大规模数据集。它使用一种树形结构称为 CF 树来存储聚类信息，其中每个节点表示一个聚类，并包含该聚类中点的数量、质心和半径。BIRCH 算法主要用于数据挖掘、机器学习和大数据模式识别。
Java 28 次浏览
基于结巴分词词性标注视频文档摘要简介文本聚类
Python 16 次浏览
K均值（K-Means）聚类算法是一种无监督学习算法，用于将数据集中的数据点划分为K个簇。下面是一个简单的K均值聚类算法的Python实现示例，使用NumPy库来进行数值计算
Python 19 次浏览
KMeans 的图像聚类，用 OpenCV 来搞还是挺顺手的。你只要把图像像素拉成向量，调一下cv::kmeans()的几个参数，快就能分出区域来，像做个图像二值化、颜色分区，都还蛮实用的。OpenCV 自带的kmeans接口挺省事，基本上就是传入数据、设置聚类数量、选个初始化方式（建议用cv::K
C++ 0 次浏览