- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我尝试在 C# 中实现 K-means 算法,但不知何故它的输出是黑色(小)图像。我写了下面的代码:
public static Color[,] Kmeans(int number_clusters, Vector[,] input, int iterations)
{
int length = input.GetLength(0);
int height = input.GetLength(1);
Random randomizer = new Random();
//Inits centroides
List<Vector> centroides = new List<Vector>(number_clusters);
List<List<Vector>> clusters = new List<List<Vector>>(number_clusters);
for(int i = 0; i < number_clusters; i++)
{
Vector centroid = input[randomizer.Next(0, length), randomizer.Next(0, height)];
List<Vector> cluster = new List<Vector>();
cluster.Add(centroid);
clusters.Add(cluster);
centroides.Add(centroid);
}
int count = 0;
while (count < iterations) {
for (int x = 0; x < input.GetLength(0); x++)
{
for (int y = 0; y < input.GetLength(1); y++)
{
Vector currentVector = input[x, y];
double min_distance = Double.PositiveInfinity;
Vector closest_centroid = centroides[0];
//Finds closest centroid
foreach (Vector centroid in centroides)
{
double distance = currentVector.Distance(centroid);
if (Math.Pow(distance, 2) < min_distance)
{
min_distance = Math.Pow(distance, 2);
closest_centroid = centroid;
}
}
//Find cluster with that centroid in it
List<Vector> to_assign = clusters[0];
foreach (List<Vector> cluster_list in clusters)
{
if (cluster_list[0].r == closest_centroid.r && cluster_list[0].g == closest_centroid.g && cluster_list[0].b == closest_centroid.b)
{
to_assign = cluster_list;
break;
}
}
to_assign.Add(currentVector);
int current_length = to_assign.Count();
Vector current_centroid = to_assign[0];
Vector new_centroid = new Vector(0, 0, 0);
foreach (Vector vector in to_assign)
{
new_centroid.Sum(vector);
}
new_centroid = new Vector(new_centroid.r / current_length, new_centroid.g / current_length, new_centroid.b / current_length);
to_assign.RemoveAt(0);
to_assign.Insert(0, new_centroid);
for (int i = 0; i < centroides.Count(); i++)
{
if (centroides[i].r == current_centroid.r && centroides[i].g == current_centroid.g && current_centroid.b == centroides[i].b)
{
centroides[i] = new_centroid;
break;
}
}
}
}
count++;
}
foreach(List<Vector> cluster_list in clusters)
{
Vector current_centroid = cluster_list[0];
for(int i = 1; i < cluster_list.Count(); i++)
{
cluster_list[i].r = current_centroid.r;
cluster_list[i].g = current_centroid.g;
cluster_list[i].b = current_centroid.b;
}
}
Color[,] output = new Color[length, height];
foreach (List<Vector> cluster_list in clusters)
{
for (int i = 0; i < cluster_list.Count(); i++)
{
Vector current_vector = cluster_list[i];
output[current_vector.x, current_vector.y] = Color.FromArgb((int) current_vector.r, (int) current_vector.g, (int) current_vector.b);
}
}
return output;
}
Vector 是以下类:
public class Vector
{
public double r, g, b;
public int x, y;
public Vector(double r, double g, double b)
{
this.r = r;
this.g = g;
this.b = b;
}
public void SetCoordinates(int x, int y)
{
this.x = x;
this.y = y;
}
public double Distance(Vector v2)
{
double r_power = Math.Pow((r - v2.r), 2);
double g_power = Math.Pow((g - v2.g), 2);
double b_power = Math.Pow((b - v2.b), 2);
double distance = Math.Sqrt((r_power + g_power + b_power));
return distance;
}
public Vector Product(int scalar)
{
return new Vector(r * scalar, g * scalar, b * scalar);
}
public double Length()
{
return Math.Sqrt((Math.Pow(r, 2) + Math.Pow(g, 2) + Math.Pow(b, 2)));
}
public Vector Sum(Vector v2)
{
double new_r = r + v2.r;
double new_g = g + v2.g;
double new_b = b + v2.b;
return new Vector(new_r, new_g, new_b);
}
}
我尝试通过以下算法描述来实现代码:
将对象分配给集群:对于每个对象v在测试集中做以下步骤:1个计算平方距离之间v和每个质心k每个簇 (d2个(v,k)).2个分配对象v到具有最近质心的集群。更新质心:对于每个集群k计算它们的平均向量。平均向量的计算类似于数字的平均值:我们对集群中的所有向量求和(用向量和)然后除(与逆的标量积)乘以簇中的向量数。重复以上两步
谁能帮我解决这个算法
最佳答案
我找到了解决方案:
foreach (Vector vector in to_assign)
{
new_centroid.Sum(vector);
}
应该改为:
foreach (Vector vector in to_assign)
{
new_centroid = new_centroid.Sum(vector);
}
这是因为 Sum 方法返回一个新的 Vector,现在不存储
关于c# - K均值算法C#,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50665215/
很难说出这里问的是什么。这个问题是含糊的、模糊的、不完整的、过于宽泛的或修辞性的,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开它,visit the help center 。 已关
我们可以说 O(K + (N-K)logK)相当于O(K + N logK)对于 1 < = K <= N ? 最佳答案 简短的回答是它们不等价,这取决于k 的值。如果k等于N,那么第一个复杂度是O(
我有以下解决方案,但我从其他评论者那里听说它是 O(N * K * K),而不是 O(N * K)其中 N 是 K 列表的(最大)长度,K 是列表的数量。例如,给定列表 [1, 2, 3] 和 [4,
我试图理解这些语法结构之间的语义差异。 if ((i% k) == (l % k) == 0) 和 if ((i % k) == 0 && (l % k) == 0) 最佳答案 您的特定表达式((i
我有时会使用一维数组: A = np.array([1, 2, 3, 4]) 或 2D 阵列(使用 scipy.io.wavfile 读取单声道或立体声信号): A = np.array([[1, 2
在文档聚类过程中,作为数据预处理步骤,我首先应用奇异向量分解得到U、S和Vt 然后通过选择适当数量的特征值,我截断了 Vt,这让我从阅读的内容中得到了很好的文档-文档相关性 here .现在我正在对矩
我问的是关于 Top K 算法的问题。我认为 O(n + k log n) 应该更快,因为……例如,如果您尝试插入 k = 300 和 n = 100000000,我们可以看到 O(n + k log
这个问题与另一个问题R:sample()密切相关。 。我想在 R 中找到一种方法来列出 k 个数字的所有排列,总和为 k,其中每个数字都是从 0:k 中选择的。如果k=7,我可以从0,1,...,7中
我目前正在评估基于隐式反馈的推荐系统。我对排名任务的评估指标有点困惑。具体来说,我希望通过精确度和召回率来进行评估。 Precision@k has the advantage of not requ
我在 Python 中工作,需要找到一种算法来生成所有可能的 n 维 k,k,...,k 数组,每个数组都沿轴有一行 1。因此,该函数接受两个数字 - n 和 k,并且应该返回一个数组列表,其中包含沿
我们有 N 对。每对包含两个数字。我们必须找到最大数 K,这样如果我们从给定的 N 对中取 J (1 2,如果我们选择三对 (1,2),我们只有两个不同的数字,即 1 和 2。 从一个开始检查每个可能
鉴于以下问题,我不能完全确定我当前的解决方案: 问题: 给定一个包含 n 元素的最大堆,它存储在数组 A 中,是否可以打印所有最大的 K 元素在 O(K*log(K)) 中? 我的回答: 是的,是的,
我明白了: val vector: RDD[(String, Array[String])] = [("a", {v1,v2,..}),("b", {u1,u2,..})] 想转换成: RDD[(St
我有 X 个正数,索引为 x_i。每个 x_i 需要进入 K 组之一(其中 K 是预先确定的)。令 S_j 为 K_j 中所有 x_i 的总和。我需要分配所有 x_i 以使所有 S_j 的方差最小化。
关闭。这个问题是not reproducible or was caused by typos .它目前不接受答案。 这个问题是由于错别字或无法再重现的问题引起的。虽然类似的问题可能是on-topi
我正在研究寻找原始数的算法,看到下面的语句,我不明白为什么。 while (k*k <= n) 优于 while (k <= Math.sqrt(n)) 是因为函数调用吗?该调用函数使用更多资源。 更
我想找到一种尽可能快的方法来将两个小 bool 矩阵相乘,其中小意味着 8x8、9x9 ... 16x16。这个例程会被大量使用,所以需要非常高效,所以请不要建议直截了当的解决方案应该足够快。 对于
有没有一种惯用的方法来获取 Set和 Function ,并获得 Map实时取景? (即 Map 由 Set 和 Function 组合支持,例如,如果将元素添加到 Set ,则相应的条目也存在于 M
这个问题在这里已经有了答案: Can a local variable's memory be accessed outside its scope? (20 个答案) returning addr
给定一个矩阵:- k = [1 2 3 ; 4 5 6 ; 7 8 NaN]; 如果我想用 0 替换一个数字,比如 2,我可以使用这个:k(k==2) =
我是一名优秀的程序员,十分优秀!