import timeimport numpy as np#计算单行的欧氏距离def cal_1(vec): dist = np.linalg.norm(vec) sim = (1.0 / (1.0 + dist)) return sim#计算多行的欧氏距离def cal_2(vec): dist ...
分类：
其他好文 时间：
2019-01-17 15:08:13
阅读次数：
187
Problem "bzoj1137" 题意概要：给定一个凸多边形坐标。点按顺时针编号 $1$ 到 $n$。任意两点之间都有一条长度为欧氏距离的边相连。边相交处可以自由穿行。有 $m$ 条边不能走，但是可以经过这条边与其他边的交点。问从点 $1$ 到 $n$ 的最短路（即给定完全图，删去$m$边，求最 ...
分类：
其他好文 时间：
2019-01-09 11:12:33
阅读次数：
143
1.用python实现K均值算法 K-means是一个反复迭代的过程，算法分为四个步骤： （x,k,y) 1） 选取数据空间中的K个对象作为初始中心，每个对象代表一个聚类中心； def initcenter(x, k): kc 2） 对于样本中的数据对象，根据它们与这些聚类中心的欧氏距离，按距离最近 ...
分类：
编程语言 时间：
2018-11-11 15:54:56
阅读次数：
152
MATLAB 求两个矩阵的 欧氏距离 ： 如果定义两个矩阵分别为a,b则定义c=(a-b).^2所求距离d=sqrt(sum(c(:))) ...
分类：
其他好文 时间：
2018-11-10 20:14:13
阅读次数：
292
1.用python实现K均值算法 1)选取初始数据中的k个对象作为初始的中心，每个对象代表一个聚类中心： 2） 对于样本中的数据对象，根据它们与这些聚类中心的欧氏距离，按距离最近的准则将它们分到距离它们最近的聚类中心（最相似）所对应的类； def nearest(kc, x[i]): j def x ...
分类：
编程语言 时间：
2018-11-10 12:59:45
阅读次数：
261
1.K-means是一个反复迭代的过程，算法分为四个步骤： （1）选取数据空间中的K个对象作为初始中心，每个对象代表一个聚类中心； （2）对于样本中的数据对象，根据它们与这些聚类中心的欧氏距离，按距离最近的准则将它们分到距离它们最近的聚类中心（最相似）所对应的类； （3）更新聚类中心：将每个类别中所 ...
分类：
编程语言 时间：
2018-10-31 20:07:47
阅读次数：
254
1.用python实现K均值算法 K means是一个反复迭代的过程，算法分为四个步骤： （x,k,y) 1） 选取数据空间中的K个对象作为初始中心，每个对象代表一个聚类中心； def initcenter(x, k): kc 2） 对于样本中的数据对象，根据它们与这些聚类中心的欧氏距离，按距离最近 ...
分类：
其他好文 时间：
2018-10-30 22:22:59
阅读次数：
205
1.用python实现K均值算法 1(1) 选取数据空间中的K个对象作为初始中心，每个对象代表一个聚类中心； 1.(2） 对于样本中的数据对象，根据它们与这些聚类中心的欧氏距离，按距离最近的准则将它们分到距离它们最近的聚类中心（最相似）所对应的类； 2. 鸢尾花花瓣长度数据做聚类并用散点图显示 运行 ...
分类：
编程语言 时间：
2018-10-28 22:09:07
阅读次数：
290
1.用python实现K均值算法 K-means是一个反复迭代的过程，算法分为四个步骤： 2. 鸢尾花花瓣长度数据做聚类并用散点图显示。 3. 用sklearn.cluster.KMeans，鸢尾花花瓣长度数据做聚类并用散点图显示. 4. 鸢尾花完整数据做聚类并用散点图显示. ...
分类：
编程语言 时间：
2018-10-28 16:11:19
阅读次数：
249
聚类分析 一、概念 聚类分析是按照个体的特征将他们分类，让同一个类别内的个体之间具有较高的相似度，不同类别之间具有较大的差异性 聚类分析属于无监督学习 聚类对象可以分为Q型聚类和R型聚类 Q型聚类：样本/记录聚类 以距离为相似性指标 （欧氏距离、欧氏平方距离、马氏距离、明式距离等） R型聚类：指标/ ...
分类：
其他好文 时间：
2018-10-27 15:24:01
阅读次数：
222
