聚类是数据挖掘中重要的研究课题。文章介绍了聚类，讨论了聚类分析中的数据类型及其相异度，概括了数据 挖掘中常用的聚类方法。最后，提出了聚类研究中今后的若干发展趋势。
上传时间： 2013-12-24
上传用户：lepoke
利用aiNet执行资源聚类的算法分为两部分：第一部分是aiNet学习算法，如上所述；第二部分是在获得记忆细胞矩阵M和Ab-Ab之间的dij矩阵S基础上，实现连通图的剪枝聚类。
标签： matlab、人工免疫
上传时间： 2015-05-12
上传用户：weizhuofu
K-Means算法是最古老也是应用最广泛的聚类算法，它使用质心定义原型，质心是一组点的均值，通常该算法用于n维连续空间中的对象。 K-Means算法流程 step1：选择K个点作为初始质心 step2：repeat 将每个点指派到最近的质心，形成K个簇 重新计算每个簇的质心 until 质心不在变化 例如下图的样本集，初始选择是三个质心比较集中，但是迭代3次之后，质心趋于稳定，并将样本集分为3部分 我们对每一个步骤都进行分析 step1：选择K个点作为初始质心 这一步首先要知道K的值，也就是说K是手动设置的，而不是像EM算法那样自动聚类成n个簇 其次，如何选择初始质心 最简单的方式无异于，随机选取质心了，然后多次运行，取效果最好的那个结果。这个方法，简单但不见得有效，有很大的可能是得到局部最优。 另一种复杂的方式是，随机选取一个质心，然后计算离这个质心最远的样本点，对于每个后继质心都选取已经选取过的质心的最远点。使用这种方式，可以确保质心是随机的，并且是散开的。 step2：repeat 将每个点指派到最近的质心，形成K个簇 重新计算每个簇的质心 until 质心不在变化 如何定义最近的概念，对于欧式空间中的点，可以使用欧式空间，对于文档可以用余弦相似性等等。对于给定的数据，可能适应与多种合适的邻近性度量。
上传时间： 2018-11-27
上传用户：1159474180
模糊C-均值聚类算法是一种无监督图像分割技术，但存在着初始隶属度矩阵随机选取的影响，可能收敛到局部最优解的缺点。提出了一种粒子群优化与模糊C-均值聚类相结合的图像分割算法，根据粒子群优化算法强大的全局搜索能力，有效地避免了传统的FCM对随机初始值的敏感，容易陷入局部最优的缺点。实验表明，该算法加快了收敛速度，提高了图像的分割精度。
上传时间： 2013-10-25
上传用户：llandlu
k均值算法实现聚类 c语言编写
上传时间： 2015-01-07
上传用户：wanqunsheng
k-聚类算法
标签： 聚类算法
上传时间： 2014-01-16
上传用户：caozhizhi
k平均聚类算法，实现聚类的图形显示
标签： 聚类算法
上传时间： 2015-01-20
上传用户：zhengjian
K均值聚类算法源代码
上传时间： 2013-12-19
上传用户：ainimao
模式识别k_means聚类算法。
上传时间： 2014-01-08
上传用户：阿四AIR
一种基于Ｍａｒｋｏｖ链模型的动态聚类方法
上传时间： 2015-02-06
上传用户：三人用菜
