基于emgu（opencv）的Kmeans算法 C#.net

一个聚类算法(k-means)实例，对想实践一下K_means算法的朋友很实用

为了提升传统多视图K-means算法在高维数据中的聚类性能，提出了一种鲁棒性大规模多视图数据的自降维K-means算法RMSKMC（robust multi-view subKmeans clustering）。通过寻找单个视图上的最优子空间实现高维数据的自降维，利用非负矩阵分解（NMF）对损失函数进行重构，使不同视图共享相同的聚类指示矩阵从而实现多视图信息互补，完成大规模多视图数据的聚类。实验结果表明，在大规模多视图数据集上，该算法比其他多视图聚类算法资源消耗更小，并且能够进行更为准确的聚类。

基于LDA的改进K_means算法在文本聚类中的应用

K-means算法 MATLAB编写的可以直接运行，很适合刚接触这个算法的初学者学习使用

K_Means算法，带数据集，带图，

GMM-KMeans异常检测 对于一维时间序列数据，使用GMM和K-means算法检测离群值。对一维时间序列数据，采用GMM和K-Means算法进行异常点检测。

K-means算法的Matlab实现代码（使用文档+源代码），直接改写参数运行即可。 K-means算法的Matlab实现代码（使用文档+源代码），直接改写参数运行即可。

电子科技大学数据挖掘课程 K-Means算法&通过感知机 反向传播算法实现人工神经网络（ANN) 实验报告+代码

针对用电数据量大、用电数据挖掘效率低等问题,采用理论分析和实验的方法,进行用电数据并行分析构架的研究,研究了Canopy和K-means两种典型的聚类算法,提出一种新的聚类思路,使用Canopy先对用电数据进行粗略处理,得到聚类个数和聚类中心,再用K-means精确聚类,既利用了K-means算法简单、收敛速度快的优势,又使其不容易陷入局部最优.为达到处理海量数据的目的,把提出的算法部署到MapReduce框架上进行实验.研究结果表明:提出的算法在海量用电数据的处理方面高效可行,并且具有良好的加速比.