我发现当vq_dim = 2时，权重位数加倍，聚类中心的数量会呈指数增长，为什么论文中他们的BPV是一致的？我是不是遗漏了什么？

负基础er 2025-01-02 14:57:21

我发现当vq_dim = 2时，权重位数加倍，聚类中心的数量会呈指数增长，为什么论文中他们的BPV是一致的？我是不是遗漏了什么？

...全文

115 1 打赏收藏转发到动态举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

weixin_38498942 01-05

打赏
举报

回复

集群的数量是以BPV一致的方式选择的。例如，对于1D VQ，可以使用4位索引来寻址16个簇中心的码本。
而对于2d VQ，如果我们使用256个聚类中心，它需要一个8位索引，即每个权重4位，与一维情况相同。

K-means的用法有了Python真的是做什么都方便得很，我们只要知道我们想要用的算法在哪个包中，我们如何去调用就ok了~~ 首先，K-means在sklearn.cluster中，我们用到K-means聚类时，我们只需： from sklearn.cluster import KMeans K-means在Python的三方库中的定义是这样的： class sklearn.cluster.KMeans(n_clusters=8, init=’k-means++’, n_init=10, max.

sklearn中的聚类算法K-Means

机器学习-Sklearn-07（无监督学习聚类算法KMeans）

1 概述 1.1 无监督学习与聚类算法在过去的五周之内，我们学习了决策树，随机森林，逻辑回归，他们虽然有着不同的功能，但却都属于“有监督学习”的一部分，即是说，模型在训练的时候，即需要特征矩阵X，也需要真实标签y。机器学习当中，还有相当一部分算法属于“无监督学习”，无监督的算法在训练的时候只需要特征矩阵X，不需要标签。我们曾经学过的PCA降维算法就是无监督学习中的一种，聚类算法，也是无监督学习的代表算法之一。聚类算法又叫做“无监督分类”，其目的是将数据划分成有意义或有用的组（或簇）。这种划分

运用python进行层次聚类学习scipy库很重要呀需要引入的类 import scipy.cluster.hierarchy as sch 我们使用的原始数据如下 X= [[2], [8], [0], [4], [1], [9], [9], [0]] 接下来的一些代码如下： Y = sch.distance.pdist(X,'cityblock') #计算类间距离 Z = sch.li...

Qualcomm 开发者论坛

1,354

社区成员

5,564

社区内容

发帖

与我相关

我的任务

人工智能物联网机器学习技术论坛（原bbs）北京·东城区

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章