java版的DBSCAN聚类算法实现，是典型的算法思路实现，遍历未访问的一切点，如果是核心点，就新建一个簇，然后遍历其邻域内的一切点集A，不断扩展，如果簇内的点时核心点，就将其邻域一切点纳入点集A，并从点集移除已访问的点，循环下去，直到一切的点都被访问。
2018/8/8 15:15:41
3KB
1
可以做图像分割，数据挖掘，目前，针对K-Means算法研究及应用，尤其是在文本聚类挖掘层面的应用研究越来越多。
K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。
该算法认为簇是由距离靠近的对象组成的，因而把得到紧凑且独立的簇作为最终目标。
K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。
该算法认为簇是由距离靠近的对象组成的，因而把得到紧凑且独立的簇作为最终目标。
2015/5/23 20:02:13
3KB
1
为了使无线传感器网络的空间资源得到优化分配,更好地完成环境感知、信息获取、无效传输及减少网络中能量的消耗的任务。
通过对无线传感器网络中分簇算法的分析,结合LEACH和LEACH-C算法,提出了基于Voronoi图的簇首分布及备份方案。
仿真结果表明,与LEACH协议比较,该算法保证了簇首在网络中的均匀分布,降低了网络的通信开销,簇首备份机制提高了分簇方案的可靠性,保证了网络的负载均衡。
通过对无线传感器网络中分簇算法的分析,结合LEACH和LEACH-C算法,提出了基于Voronoi图的簇首分布及备份方案。
仿真结果表明,与LEACH协议比较,该算法保证了簇首在网络中的均匀分布,降低了网络的通信开销,簇首备份机制提高了分簇方案的可靠性,保证了网络的负载均衡。
2020/2/25 23:28:57
1.7MB
1
初始聚类中心给定。
K均值聚类算法首先是聚类算法。
K均值算法是一种简单的迭代型聚类算法，采用距离作为类似性指标，从而发现给定数据集中的K个类，且每个类的中心是根据类中所有值的均值得到，每个类用聚类中心来描述。
它将类似的对象归到同一个簇中，聚类方法几乎可以应用于所有对象，簇内的对象越类似，聚类的效果越好，之所以称之为K-均值是因为它可以发现k个不同的簇。
K均值聚类算法首先是聚类算法。
K均值算法是一种简单的迭代型聚类算法，采用距离作为类似性指标，从而发现给定数据集中的K个类，且每个类的中心是根据类中所有值的均值得到，每个类用聚类中心来描述。
它将类似的对象归到同一个簇中，聚类方法几乎可以应用于所有对象，簇内的对象越类似，聚类的效果越好，之所以称之为K-均值是因为它可以发现k个不同的簇。
2018/3/20 4:08:39
1.7MB
1
实验要求描述：1、给定场景，给定WSN的节点数目，节点随机分布，能按照LEACH的引见，实现（每一轮）对WSN的分簇。
请记录前k轮（eg.k=10）/绘制第k轮时，网络的分簇情况，即每个节点的角色（簇头or簇成员）及其关系，如是簇成员，标记其所属的簇头2.Note要求： 节点数目不宜过小；
每轮只完成分簇，不考虑通信过程；
每轮可以以定时器确定，也可以以完成当轮分簇为准；
簇成员在寻找簇头时，以距离作为接收信号强弱的判断依据；
当选为簇头的节点将，以后几轮的分簇中将，不再成为簇头，这个约束条件，在仿真中应能体现。
请记录前k轮（eg.k=10）/绘制第k轮时，网络的分簇情况，即每个节点的角色（簇头or簇成员）及其关系，如是簇成员，标记其所属的簇头2.Note要求： 节点数目不宜过小；
每轮只完成分簇，不考虑通信过程；
每轮可以以定时器确定，也可以以完成当轮分簇为准；
簇成员在寻找簇头时，以距离作为接收信号强弱的判断依据；
当选为簇头的节点将，以后几轮的分簇中将，不再成为簇头，这个约束条件，在仿真中应能体现。
2020/1/22 13:03:28
6KB
1
本文报道钠在主量子数n=12,13,14附近能区的斯塔克(stark)效应,外场从0～8kV/cm.观察到随着电场的添加,角动量小的项并入线性斯塔克簇,且不同|m|的能级简并解除.对实验结果进行了分析讨论.
2020/5/21 12:34:05
4.29MB
1
移动代理已广泛用于无线传感器网络并进行数据融合。
该文将移动代理用于簇成员节点间进行数据收集并进行数据融合,并提出了基于精度的量化编码的数据融合算法。
该算法无效减少了冗余数据,提高了传输速率,延长了无线传感器网络的寿命,并将其应用到森林防火中去。
该文将移动代理用于簇成员节点间进行数据收集并进行数据融合,并提出了基于精度的量化编码的数据融合算法。
该算法无效减少了冗余数据,提高了传输速率,延长了无线传感器网络的寿命,并将其应用到森林防火中去。
2020/2/24 14:08:33
896KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB