资源简介
def GMM_algorithm(iterMax,gmm,dataset):
'''
高斯混合聚类算法
:param iterMax: 最大迭代次数
:param gmm: 保存gmm模型的数据
:return: 簇划分结果
'''
step = 0
m = len(dataset)
flagMat = np.mat(np.zeros((m, 1))) # 保存每个样本的簇标记
lateProbMat = np.mat(np.zeros((m,3))) #保存后验概率
while step 3):
k += 1
print( k)
mark = ['or', 'ob', 'og', 'ok', '^r', '+r', 'sr', 'dr', '<r', 'pr']
# 画出所有样例点 属于同一分类的绘制同样的颜色
for i in range(numSamples):
代码片段和文件信息
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 186614 2018-11-19 11:36 新建文件夹\密度.pdf
文件 2072 2018-11-17 21:53 新建文件夹\密度聚类.txt
文件 1218 2018-11-18 09:43 新建文件夹\密度聚类2代码.txt
文件 1329 2018-11-18 11:20 新建文件夹\层次聚类.txt
文件 5269 2018-11-17 15:59 新建文件夹\高斯聚类.txt
目录 0 2018-11-20 09:39 新建文件夹\
----------- --------- ---------- ----- ----
文件 186614 2018-11-19 11:36 新建文件夹\密度.pdf
文件 2072 2018-11-17 21:53 新建文件夹\密度聚类.txt
文件 1218 2018-11-18 09:43 新建文件夹\密度聚类2代码.txt
文件 1329 2018-11-18 11:20 新建文件夹\层次聚类.txt
文件 5269 2018-11-17 15:59 新建文件夹\高斯聚类.txt
目录 0 2018-11-20 09:39 新建文件夹\
- 上一篇:MAC地址唤醒电脑
- 下一篇:djangol实现学生管理网站
评论
共有 条评论