聚类标签_乐奇 Rokid 开放社区

聚类

深入解析DBSCAN聚类算法：原理、应用与C++实现

聚类算法根据数据点之间的相似性，将数据集划分为若干簇。常见的聚类算法包括K-Means、层次聚类、谱聚类等。不同聚类算法在簇的形状、数量、计算复杂度等方面各有优劣。ε（epsilon）：定义数据点邻域的半径，用于衡量点之间的距离。MinPts：定义形成核心点所需的最小点数，包括点自身。选择合适的ε和MinPts对于DBSCAN算法的效果至关重要。参数的设定直接影响聚类的结果及算法的性能。点编号x坐

 YRr YRr
2025-04-01 21:37:35

 1513

 34

#算法 #聚类 #c++
聚类算法——K-Means算法

K-Means聚类算法生动解释以及python代码实现。

m0_拉丁
2025-02-16 22:36:39

 854

 6

#算法 #聚类 #kmeans
【24年优化算法】捕鱼优化算法（CFOA）：一种解决聚类问题的新的人类行为算法

捕鱼优化算法（Catch fish optimization algorithm,CFOA）是期刊“Cluster Computing ”的智能优化算法。

yuchunyu12
2024-12-28 21:37:33

 1826

 18

#算法 #聚类 #数据挖掘
聚类算法：K-Means 聚类

K-Means 聚类是一种广泛使用的无监督学习算法，旨在将数据集分成 K 个簇，使得同一簇内的数据点尽可能相似，而不同簇之间的数据点尽可能不同。它简单、高效，特别适合大规模数据集。下面将详细讨论 K-Means 的原理、实施步骤、优缺点、以及应用实例。

Wei_sx
2024-12-24 21:51:15

 6357

 28

#机器学习 #聚类 #kmeans
k-means聚类算法&k-means++聚类算法

是按照某个特定标准(如距离)把一个数据集分割成不同的类或簇，使得。也就是说，聚类后同一类的数据尽可能聚集到一起，不同类数据尽量分离。

斯凯利.瑞恩
2024-08-14 00:10:28

 3772

 37

#算法 #kmeans #聚类
基于子空间的多视图聚类算法——多视图子空间聚类模型（Multi-view Subspace Clustering, MVSC）

多视图子空间聚类模型（Multi-view Subspace Clustering, MVSC）是一种处理多源异构数据的先进聚类技术。它基于子空间聚类理论，旨在从多个不同的视图中发现共同的潜在结构，以更准确地进行数据分组。MVSC模型的核心思想是，然后通过某种融合策略将这些表示集成起来，以获得更全面和一致的聚类结果。

不易撞的网名
2024-07-12 15:37:42

 2458

 18

#算法 #聚类 #数据挖掘
基于密度的聚类算法DBSCAN详解！

DBSCAN（Density-Based Spatial Clustering of Applications with Noise，基于密度的带有噪声的空间聚类应用）是一种基于密度的聚类算法。密度聚类算法一般假定类别是可以通过样本分布的紧密程度来决定。同一个类别中，样本之间是紧密相连的，也就说通过将紧密相连的样本划分为一类，这样就生成了一个聚类类别。关于DBSCAN到底是如何实现聚类的？一个关键

 尤尔小屋的猫
2024-06-03 17:20:08

 5344

 6

#算法 #聚类 #机器学习 +2
基于网格的CLIQUE聚类算法的实现

CLIQUE算法是基于网格的空间聚类算法，但它同时也非常好的结合了基于密度的聚类算法，因此既能够发现任意形状的簇，又可以像基于网格的算法一样处理较大的多维数据。CLIQUE就是将数据空间划分为网格单元，将数据对象集映射到网格单元中，并计算每个单元的密度。根据预设的密度阈值判断每个网格单元是否为高密度单元，由邻近的稠密单元组形成 “类”（簇）。总结之就是：CLIQUE算法是一种基于网格的聚类算

 ZHW_AI课题组
2024-06-04 10:34:57

 2321

 16

#算法 #聚类 #python +1
高斯混合模型聚类算法的实现

高斯混合聚类（Gaussian Mixture Model，GMM）是一种基于概率模型的聚类算法。它假设每个簇都由多个高斯分布组成，即每个簇的数据点都是从不同的高斯分布中采样得到的。在高斯混合模型中，每个簇由以下三个参数定义：均值向量（mean vector）、协方差矩阵（covariance matrix）和权重（weight）。GMM的核心在于它能够捕捉数据中的复杂结构，允许数据点以不同的概率

 ZHW_AI课题组
2024-06-02 09:15:51

 2118

 34

#算法 #聚类 #数据挖掘
聚类的四种常用的算法

聚类是机器学习中一种重要的无监督算法（Unsupervised Learning），它可以将数据点归结为一系列特定的组合。理论上归为一类的数据点具有相同的特性，而不同类别的数据点则具有各不相同的属性。与监督学习（如分类器）相比，无监督学习的训练集没有人为标注的结果。在非监督式学习中，数据并不被特别标识，学习模型是为了推断出数据的一些内在结构。以下是五种常用的聚类算法。K均值聚类适用于大规模数据集的

 chang_xiaoyi
2024-05-15 09:47:32

 5494

 52

#聚类 #机器学习 #算法
Python实战开发及案例分析（8）—— 聚类算法

聚类是一种将数据分组的无监督学习方法，其目标是使同组内的数据相似度高，不同组间的数据相似度低。常用的聚类算法包括K均值聚类、层次聚类和DBSCAN等。下面是这些算法的Python实现和案例分析。

贾贾2023
2024-05-06 11:49:57

 3840

 25

#算法 #python #聚类 +4
MATLAB初学者入门（24）—— 聚类算法

聚类是一种广泛使用的无监督学习技术，用于将数据集中的对象分组，使得同一组内的对象比其他组的对象更为相似。MATLAB提供了多种工具和函数来实现和分析不同类型的聚类算法。

贾贾2023
2024-04-28 08:47:19

 2868

 27

#算法 #matlab #聚类 +3
DBSCAB算法介绍（Python3实现）

基于密度的空间聚类的应用(Density-based spatial clustering of applications with noise，DBSCAN)算法是由Martin Ester, Hans-Peter Kriegel, Jörg Sander和Xiaowei Xu于1996年提出的一种聚类分析算法。

helloWorld
2024-04-26 13:28:25

 3609

 16

#数据挖掘 #机器学习 #聚类
使用ukb的seed数据集来实现k-means聚类算法，变更聚类中心和聚类簇数，并用散点图来表示

首先导入包。

jiaxiaovi
2024-01-16 10:33:22

 871

 9

#算法 #kmeans #聚类 +1
【K-means聚类算法】实现鸢尾花聚类

K-means聚类算法实现鸢尾花聚类

 木木牙
2023-11-07 10:18:36

 3208

 3

#算法 #kmeans #聚类 +2
密度峰值聚类(DPC)算法的介绍

密度峰值聚类算法（Density Peak Clustering Algorithm）是一种无监督的聚类算法，它能够自动发现数据中的密度峰值点，并根据这些峰值点将数据进行聚类。该算法由Alex Rodriguez和Alessandro Laio于2014年提出，其原理相对简单但非常有效。

m0_74086448
2023-07-10 13:15:31

 5760

 10

#算法 #聚类 #机器学习
【场景削减】基于 Kantorovich 距离的 SBR 算法场景削减研究（Matlab代码实现）

要求，基于场景分析方法的随机优化调度越来越受到重视[1-3]。SBR 算法通过不断迭代，每次删减一个与其他场景概率距离最近的场景，使得原始场景集合与最终保留的场景集合之间的概率距离最小[9]。SBR算法研究的重点在于寻找不同的概率距离指标，具有较高的计算精度，但由于该算法需要不断遍历保留集中的场景，计算复杂度高、所需计算时间较长，适用于原始场景规模较小的缩减问题。[3]刘国芬.一类推广的Berns

wlz249
2023-04-27 19:07:32

 649

 1

#算法 #matlab #聚类
学习PCL库：PCL库中实现了哪些分割算法？

公众号致力于点云处理，SLAM，三维视觉，高精地图等领域相关内容的干货分享，欢迎各位加入，有兴趣的可联系dianyunpcl@163.com。未经作者允许请勿转载，欢迎各位同学积极分享和交流。segmentation模块PCL（Point Cloud Library）中的分割模块提供了一系列用于对点云数据进行分割算法。主要内容pcl::ConditionalEuclideanClustering是

 Being_young
2023-03-17 11:00:08

 1706

 1

#算法 #学习 #聚类 +2
聚类算法（下）：10个聚类算法的评价指标

在聚类算法中，评估聚类结果的好坏是非常重要的。Rand Index：用于衡量聚类结果和真实标签之间的相似度。Adjusted Rand Score：Rand Index的调整版本，可以对随机结果进行惩罚。Mutual Information Score（基于互信息的分数）：衡量聚类结果和真实标签之间的相似度。Normalized Mutual Information Score：Mutual In

傻逼社区云
2023-02-27 10:12:39

 7955

 13

#聚类 #算法 #机器学习 +2
基于密度聚类方法（DBSCAN算法）及简单案例

基于密度聚类方法（DBSCAN算法）及简单案例

 机器学习学渣
2023-01-10 20:50:54

 2584

#聚类 #算法
DW常用快捷键大全

创建新的可编辑区域：Ctrl+Alt+V。十三、在浏览器中定位和预览。二十、站点管理和FTP。十九、打开和关闭面板。

猫一样的女子245
2022-11-29 18:01:03

 1.9w

 31

#算法 #聚类
【毕设教程】FCM模糊聚类算法

🔥Hi，大家好，这里是丹成学长的毕设系列文章！🔥 对毕设有任何疑问都可以问学长哦!这两年开始，各个学校对毕设的要求越来越高，难度也越来越大… 毕业设计耗费时间，耗费精力，甚至有些题目即使是专业的老师或者硕士生也需要很长时间，所以一旦发现问题，一定要提前准备，避免到后面措手不及，草草了事。为了大家能够顺利以及最少的精力通过毕设，学长分享优质毕业设计项目，今天分享一个教程🚩FCM模糊聚类算法🧿

caxiou
2022-11-07 11:33:28

 2762

 3

#聚类 #算法
基于 OpenCV 的多目标模板匹配，并用聚类算法去除冗余匹配框

为了实现多目标匹配，我选用 OpenCV 和 SKlearn 两个库中的模板匹配和聚类算法来实现。

Harrytsz
2022-11-01 10:52:17

 1708

#opencv #算法 #聚类
常见聚类算法及使用--Affinity Propagation（AP）

对于聚类算法，大家应该都已经略知一二，比如说它是无监督，不需要标签来监督它的学习，我们需要的是在特定场景下将这些未被标注的数据进行自然分组。聚类是在输入数据的特征空间中查找自然组的无监督问题；对于所有数据集，有许多不同的聚类算法和单一的最佳方法；在机器学习库的Python中如何实现、适配和使用顶级聚类算法。AP聚类算法与经典的K-Means聚类算法相比，具有很多独特之处：无需指定聚类“数量”参数。

june_francis
2022-11-02 16:12:42

 4577

 10

#聚类 #算法
scikit-learn算法精讲之层次聚类和树状图

层次聚类（Hierarchical Clustering）是聚类算法的一族算法的总称，它通过连续合并或拆分聚类来构建嵌套聚类。这种聚类的层次结构就像树一样，树的根是收集所有样本的唯一簇，叶子是只有一个样本的簇。上图中，树根聚类就是abcdef，叶子聚类就是每一个字母的节点。在scikit-learn中，层次聚类可以通过AgglomerativeClustering对象来实现。这个算法使用自下而上的

 咖哥
2022-08-24 17:09:08

 4408

#聚类 #算法 #scikit-learn
一种无需预先指定聚类个数的算法——Dbscan聚类算法

本文介绍了一种无需提前给出聚类数的聚类算法，DBSCAN聚类，并通过视频进行展示，最后通MATLAB对算法进行实现。

爱听雨的犬猫
2022-08-14 13:38:59

 6756

 16

#聚类 #算法 #机器学习 +1
密度聚类：OPTICS算法详解

如何理解这张reach_dist—points图并实现分类样本点3，显然离样本点1的可达距离 < eps，那么归到与样本点0一类是没有问题的。如果你是这样想就错了！上面的例子没有给出噪声点样本。注意此时eps已不再是inf，而是依据图自定义的。从结果队列 $order\_list$ 按顺序取出样本点，直到结果队列为空：若该点的**可达距离eps**，为噪声点若该点的**核心距离 < eps**，为

 小白tree
2022-07-30 11:36:18

 7672

 17

#聚类 #算法 #机器学习
密度聚类：OPTICS算法简单易懂版

如何理解这张reach_dist—points图并实现分类样本点3，显然离样本点1的可达距离 < eps，那么归到与样本点0一类是没有问题的。如果你是这样想就错了！上面的例子没有给出噪声点样本。注意此时eps已不再是inf，而是依据图自定义的。从结果队列 $order\_list$ 按顺序取出样本点，直到结果队列为空：若该点的**可达距离eps**，为噪声点若该点的**核心距离 < eps**，为

 小白tree
2022-08-01 21:44:24

 2713

 5

#聚类 #算法 #机器学习
K-Means聚类算法

什么是聚类分析聚类分析是数据挖掘中一个重要概念，其核心是寻找数据对象中隐藏的有价值的信息，根据相似性原则，把具有较高相似度的数据对象划分到同一类簇，把具有较高相异度的数据对象划分到不同类簇，从而使相同组中的数据点之间比其他组中的数据点更具有相似性。聚类算法典型的聚类算法分为三个阶段，主要包括特征选择和特征提取、数据对象间相似度计算以及根据相似度将数据对象分组。聚类算法可以分为两大类：层次聚类算法和

 软件工程小施同学
2022-06-14 14:45:15

 6.5w

 60

#聚类 #算法 #数据挖掘
【记录读论文时遇到的一些算法7】—— 高斯混合模型（Gaussian Mixed Model）

高斯混合模型（Gaussian Mixed Model）指的是多个高斯分布函数的线性组合，理论上GMM可以拟合出任意类型的分布，通常用于解决同一集合下的数据包含多个不同的分布的情况（或者是同一类分布但参数不一样，或者是不同类型的分布，比如正态分布和伯努利分布）。如图1，图中的点在我们看来明显分成两个聚类。这两个聚类中的点分别通过两个不同的正态分布随机生成而来。但是如果没有GMM，那么只能用一个的二

 LingbinBu
2022-06-09 22:56:36

 1783

 1

#算法 #聚类 #机器学习
一种新的无监督前景目标检测方法 A New Unsupervised Foreground Object Detection Method

14.一种新的无监督前景目标检测方法A New Unsupervised Foreground Object Detection Method摘要：针对基于无监督特征提取的目标检测方法效率不高的问题,提出一种在无标记数据集中准确检测前景目标的方法.其基本出发点是:正确的特征聚类结果可以指导目标特征提取,同时准确提取的目标特征可以提高特征聚类的精度.该方法首先对无标记样本图像进行局部特征提取,然后根

 daisyxyr
2022-05-08 23:56:16

 1080

#目标检测 #聚类 #机器学习
【算法积累】一种改进的DBSCAN算法

采用一种基于网格单元的改进DBSCAN聚类算法，优化了最耗时的区域查询过程，通过将数据空间划分为网格单元，减少了大量不必要的查询操作，大大减少了点对点距离的计算，模型最终时间复杂度由O(n^2)减小为O(n+m*k^2)。

一川风絮千片雪
2022-04-24 19:56:56

 6877

 4

#聚类 #算法
手撕K-means聚类算法

一.数据集来源本博客采用的数据集来源于uci公开数据集（wine数据）http://archive.ics.uci.edu/ml/datasets/Wine数据集属性：1）酒精2）苹果酸3）灰分4）灰分的藻盐度5）镁6）总酚7）黄烷类化合物8）非黄烷类酚9）原花青素10）颜色强度11）色相12）稀释葡萄酒的OD280 / OD31513）脯氨酸二.数据读取从网站上下载的源文件格式是.data，我不

 努力的地球人
2022-04-01 16:16:45

 2532

 7

#kmeans #机器学习 #聚类 +1
Kmeans均值聚类算法

Kmeans均值聚类算法Kmeans白话理解Kmeans原理详解聚类与分类原理介绍工作流程评价指标Kmeans代码实现聊一聊Kmeans的缺点及优化Kmeans白话理解Kmeans，又作K-means，顾名思义，K均值聚类算法。Kmeans算法将数据集分为K个簇，使每个簇簇内距离小，簇间距离大。Kmeans原理详解聚类与分类聚类，是将一堆没有标签的数据分成几簇，我们并不关心这一类是什么，我们关心的

 Jason Avicii
2022-02-21 10:46:02

 8189

 16

#聚类 #算法 #kmeans +2
干货 | 非常全面的谱聚类算法原理总结

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达谱聚类算法是目前最流行的聚类算法之一，其性能及适用场景优于传统的聚类算法如k-均值算法，本文对谱聚类算法进行了详细总...

小白学视觉
2022-02-12 10:05:00

 2268

 5

#聚类 #算法 #python +2
关于DBSCAN聚类算法

基本概念DBSCAN（Density-Based Spatial Clustering of Application with Noiso）:具有噪声的基于密度的聚类方法。从名字中就可以看出来，簇划分是根据样本密度来决定的。在了解算法具体过程之前，需要先了解一下相关的基本概念：ϵ-邻域：样本x以ϵ为半径的范围内包含的所有样本的集合核心对象：样本x的ϵ-领域内样本数大于阈值MinPts，则x为核心对

 ASS-ASH
2022-01-29 22:28:28

 5131

 3

#聚类 #机器学习 #算法
子空间聚类的常见评估指标及pytorch实现

论文阅读笔记：子空间聚类的常见评估指标：ACC,SRE和CONN引言Evaluation Metrics聚类准确度（Clustering accuracy, ACC）子空间保持误差（SRE）连通性（Connectivity, CONN）本文参考了本组的论文S3C-OMP的附录，代码部分摘自本组的SENet，未引用这两篇论文的转载是不被允许的。引言在评估聚类效果的时候，常常使用NMI和ARI，即

 塔_Tass
2021-11-23 20:27:40

 4715

 6

#深度学习 #人工智能 #聚类 +2
聚类算法基本原理

聚类算法聚类算法是无监督学习算法，在无监督学习中，目标属性是不存在的，我们是根据内部存在的数据特征，划分不同的类别，使得类别内的数据比较相似。对数据进行聚类的思想不同可以设计不同的聚类算法，本章主要谈论三种聚类思想以及该聚类思想下的三种聚类算法。本章主要涉及到的知识点有：“距离”K-Means算法几种优化K-Means算法密度聚类算法思想：“物以类聚，人以群分”本节首先通过聚类算法的基本思想，引出

 保护大苹果和橙子
2021-11-02 19:32:07

 8104

 7

#聚类 #算法 #机器学习
激光雷达：点云语义分割算法

作者 |巫婆塔里的工程师@知乎来源|https://zhuanlan.zhihu.com/p/412161451编辑|焉知智能汽车1. 前言之前的文章中介绍了基于LiDAR点云的...

3Ｄ视觉工坊
2021-10-15 07:00:00

 5570

 9

#算法 #聚类 #大数据 +1
基于libtorch的yolov5目标检测网络实现(3)——Kmeans聚类获取anchor框尺寸

Kmeans聚类获取yolov5的anchor框尺寸

 萌萌哒程序猴
2021-09-11 19:27:47

 5293

 6

#聚类 #机器学习 #深度学习 +1
聚类算法K-Means++介绍与实例

K-Means++算法介绍K-Means++主要解决初始化种子点的问题，其选择初始种子的基本思想是：初始聚类中心之间相互距离要在K-Means算法基础上引入了更智能的初始化步骤，该步骤倾向于选择彼此相距较远的中心点，这一改进使得K-means算法收敛到次优解的可能性很小。K-Means++算法表明，更智能的初始化步骤所需计算量是值得的，因为他可以大大减少寻找最优解所需运行算法的次数。K-Means

nothing-xianm
2021-07-16 21:09:37

 2710

 1

#聚类
聚类算法——Birch详解

1 原理1.1 B树（1）m路查找树一棵m路查找树，它或者是一棵空树，或者是满足如下性质的树：根最多有m棵子树，并具有以下结构：,是指向子树的指针，是关键码，在子树中所有的关键码都大于，小于。在子树中所有的关键码都大于在子树中所有的关键码都小于子树也是m路查找树（2）B树m阶B树时一棵m路查找树，它或是空树，或者满足以下性质：树中每个节点至多有m棵子树根节点至少有两棵子树除根节点以外的所有非终端节

 樱缘之梦
2021-05-13 16:16:05

 4295

#机器学习 #聚类
EM 算法-对鸢尾花数据进行聚类

EM 算法是聚类算法，中文为期望最大化算法，它是一个不断观察和调整的迭代过程，以此来构建聚类模型。

码农充电站
2020-12-14 11:38:50

 4642

 6

#聚类 #算法 #python +2
DBSCAN聚类算法

一、DBSCAN算法是一种基于密度的聚类算法，聚类的时候不需要预先指定簇的个数，最终簇的个数不确定。DBSCAN算法将数据点分为三类：1、核心点：在半径Eps内含有超过MinPts数目的点。2、边界点：在半径Eps内点的数量小于MinPts，但是落在核心点的邻域内的点。3、噪音点：既不是核心点也不是边界点的点。DBSCAN算法流程：1、将所有点标记为核心点、边界点或噪声点；2、删除噪声点；3、为距

 wu小胖
2020-07-25 16:05:46

 1.6w

 10

#聚类 #python #算法