ISODATA算法是在k-均值算法的基础上，增加对聚类结果的“合并”和“分裂”两个操作，并设定算法运行控制参数的一种聚类算法。迭代次数会影响最终结果，迭代参数选择很重要。
①初始化
设定控制参数：
c：预期的类数；
Nc：初始聚类中心个数（可以不等于c）；
TN：每一类中允许的最少样本数目（若少于此数，就不能单独成为一类）；
TE：类内各特征分量分布的相对标准差上限（大于此数就分裂）；
转载
2023-07-21 18:23:07
170阅读
K均值算法（K-means）聚类一、K-means算法原理聚类的概念：一种无监督的学习，事先不知道类别，自动将相似的对象归到同一个簇中。K-Means算法是一种聚类分析（cluster analysis）的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法。K-Means算法主要解决的问题如下图所示。我们可以看到，在图的左边有一些点，我们用肉眼可以看出来有四个点群，但是我们
转载
2024-03-05 09:01:13
1026阅读
OTU是什么？OTU（Operational Taxonomic Units），即操作分类单元。通过一定的距离度量方法计算两两不同序列之间的距离度量或相似性，继而设置特定的分类阈值，获得同一阈值下的距离矩阵，进行聚类操作，形成不同的分类单元。在16S测序中，将序列按照97%的相似性进行OTU聚类。OTU聚类的意义高通量测序得到的序列有几千万条，对每条序列都进行物种注释的话，工作量大、耗时，而且扩增
转载
2024-03-29 06:45:09
146阅读
熟悉CMT的都知道，作者在聚类部分使用了层次凝聚聚类算法（Hierarchical Agglomerative Clustering）并且使用的是单链（Single-link），今天我们就来学习下这个算法。 前面学习了几种聚类算法，K-Means，EM，AP等都属于平面聚类（Flat Cl
目录一、Birch算法简介：1.1 算法流程1.2 算法特点 一、Birch算法简介：BIRCH（Balanced Iterative Reducing and Clustering Using Hierarchies）全称是：利用层次方法的平衡迭代规约和聚类。 Birch算法就是通过聚类特征(CF)形成一个聚类特征树，root 层的CF个数就是聚类个数。1.1 算法流程BIRCH 算法利用了一
转载
2024-05-29 08:09:10
173阅读
Kmeans聚类算法1 Kmeans聚类算法的基本原理 K-means算法是最为经典的基于划分的聚类方法，是十大经典数据挖掘算法之一。K-means算法的基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。假设要把样本集分为k个类别，算法描述如下： （1）适当选择k个类的初始中心，最初一般为随机选取； （2）在每次迭
转载
2024-04-15 12:44:09
1505阅读
前言 模糊数据库，是指能够处理模糊数据的数据库。一般的数据库都是以二直逻辑和精确的数据工具为基础的，不能表示许多模糊不清的事情。随着模糊数学理论体系的建立，人们可以用数量来描述模糊事件并能进行模糊运算。这样就可以把不完全性、不确定性、模糊性引入数据库系统中，从而形成模糊数据库。模糊数据库研究主要有两方面，首先是如何在数据库中存放模糊数据；其次是定义各种运算建立模糊数据上的函数。模糊数的表示
转载
2024-09-14 15:03:50
109阅读
目录1、算法步骤2、详细过程3、流程图4、聚类过程示意图5、测试效果6、算法优化 K-means算法的基本思想是：以空间中个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。 1、算法步骤 输入：聚类个数，以及包含个数据对象的数据集 输出：满足方差最小标准的个聚类 Step1 从个数据对象任意选择个对象作为初始聚类中心；
转载
2024-06-07 12:44:22
59阅读
目录：1、问题描述2、问题转化3、划分准则4、总结1、问题描述 谱聚类(Spectral Clustering, SC)是一种基于图论的聚类方法——将带权无向图划分为两个或两个以上的最优子图(sub-Graph)，使子图内部尽量相似，而子图间距离尽量距离较远，以达到常见的聚类的目的。 对于图的相关定义如下：对于无向图G = (V,E)，V表示顶点集合，即样本集合，即一个顶点为一个样本；E表示边
转载
2024-05-10 17:42:40
74阅读
密度聚类，也被称为CFDP(Clustering by fast search and find of density peaksd)。 密度聚类的作用和Kmeans聚类差不多，可以将一堆数据分成若干类。“密度聚类”，顾名思义其实就是根据点的密度进行归类，比如说某一处点特别密集，那么这一块会偏向归为一类。这篇文章就具体整理一下密度聚类的原理与实现。1.密度聚类实现过程&n
转载
2024-04-10 06:22:19
126阅读
无监督模型。聚类算法需要度量样本间的距离，距离度量的方式可以参考【机器学习】一般会使用欧氏距离。起步层次聚类( Hierarchical Clustering )是聚类算法的一种，通过计算不同类别的相似度类创建一个有层次的嵌套的树。（分为凝聚的和分裂的两种方式，常用的方式是凝聚的方式）层次聚类算法介绍假设有 n 个待聚类的样本，对于层次聚类算法，它的步骤是：步骤一：（初始化）将每个样本都视为一个聚
转载
2023-12-27 13:09:06
95阅读
k均值聚类支持向量机，逻辑回归，决策树等经典的机器学习算法主要用于分类问题，即根据一些已经给定的类别的样本，训练某种分类器，使得他能够对类别未知的样本进行分类。与分类问题不同，聚类是事先并不知道任何样本标签的情况下，通过数据之间的内在关系吧样本划分维若干类别，使得同类别样本之间相似度高，不同类别样本之间的相似度低。分类问题属于监督学习范畴，而聚类则属于非监督学习。k均值聚类（K-means-Clu
转载
2024-07-12 14:46:54
20阅读
markdown现在的扩展性越来越强，也玩出了更多花样。我们可以使用marp来实现用markdown写ppt的功能，最近我又发现了令一款好玩的工具。那就是用markdown来画流程图/甘特图/类图/实体图/饼图/各种图的工具mermaid。该项目在github上开源，地址是https://github.com/mermaid-js/mermaid。基本使用mermaid的使用场景有作为一个js库在
前面两篇关于 React Flow 的文章已经介绍了如何绘制流程图而实际项目中，流程图上的每一个节点，甚至每一条连线都需要维护一份独立的业务数据这篇文章将介绍通过 React.context 来管理流程图数据的实际应用 项目结构：.
├── Graph
│ └── index.jsx
├── Sider
│ └── index.jsx
├── Toolbar
│
转载
2024-03-11 16:08:32
92阅读
FOC原理框图如下：其中涉及到两种坐标转换：1. Clark变换：常规的三相坐标系→静止的二相坐标系α、β正变换矩阵⎡⎢
⎢
⎢
⎢
⎢⎣√23−12√23−12√230√22−√221√31√31√3⎤⎥
⎥
⎥
⎥
⎥⎦[23−1223−1223022−22131313]逆变换矩阵⎡⎢
⎢
⎢
⎢
⎢
⎢⎣√2301√3−1√3√221√3−1√3−√221√3⎤⎥
⎥
⎥
⎥
⎥
⎥⎦[23
前言:整理了一些Java基础流程图/架构图，做一下笔记，大家一起学习。1.spring的生命周期Spring作为当前Java最流行、最强大的轻量级容器框架，了解熟悉spring的生命周期非常有必要；首先容器启动后，对bean进行初始化按照bean的定义，注入属性检测该对象是否实现了xxxAware接口，并将相关的xxxAware实例注入给bean，如BeanNameAware等以上步骤，bean对
转载
2023-10-04 12:18:10
180阅读
流程——顾名思义：水流的路程；事物进行中的次序或顺序的布置和安排。流程是自然而然就存在的，它可以不规范，可以不固定，可以充满问题画流程图主要作用：1）流程图为产品设计基石，可以保证产品的使用逻辑合理顺畅2）传达需求，用流程图来更好地表达产品逻辑3）查漏补缺，检验是否有遗漏的分支流程流程图以描述对象分类，包括：业务流程图、页面流程图、功能流程图、数据流程图等。业务流程图（Transaction Fl
转载
2023-04-29 06:37:42
3540阅读
本文阅读react16.8.6版本ReactChildren.js文件。下面从mapChildren函数入手，给出React.Children.map的流程图。请参考React源码阅读本文。 mapChildren遍历每个子节点调用函数并摊平子节点。摊平子节点，即，把['a', ['b'], [['c'], 'd']]摊平成['a', 'b', 'c', 'd']
转载
2024-02-19 13:29:47
163阅读
1 VoNR信令流程5G的网络架构其实承袭自4G，只支持分组交换，不支持电路交换，也就是说自身的5GC核心网是没法支撑语音业务的，必须依赖于一个叫做IMS的系统。IMS又叫IP多媒体子系统，可以在分组交换网络下实现语音业务。如果5G不支持VoNR，那就只能靠4G的VoLTE，甚至3G和2G支持的电路交换域语音业务进行兜底了。在注册过程中，AMF决策UE是否具有IMS over PS（VoNR）的能
转载
2023-09-27 12:26:26
766阅读
上次我们说到要进行目标检测需要：1.获得相应的感受域，或者我们该用图像处理中的ROI（Region Of Interest，感兴趣的区域）表述；2.将这个ROI对应的特征进行分类，判断目标类别。这就是RCNN（Regions with CNN features）要做的。RCNN直接上图： 一直以来CNN都是对于全图的，但目标检测需要将全图的一部分区域输入CNN，那么很重要问题
转载
2024-05-06 17:45:22
258阅读
