轴承故障诊断和分类的系统 根据fft变化的数据，得到ft变化的均值，方差等数据 根据均值 方差等数据，得到数据的范围，根据范围的大小判断第几类故障 实现设备的故障诊诊断和健康管理

针对当前工业异常数据检测技术未充分考虑数据的时序特征以及训练样本中可能含有异常样本的问题，提出一种检测异常数据的方法：基于时序特征将遥测量与遥信量分为离散量与连续变化量，并分别通过改进后的K-均值算法与传统自回归模型检测离散量与连续变化量的异常数据，在训练聚类模型的过程中，通过计算异常因子来剔除含有异常样本的聚类簇，在训练自回归模型过程中，将不属于正常取值区间的异常样本剔除。最后在OMNeT 平台下搭建仿真小型储水加热工业系统并进行验证，实验结果表明：该方法可以有效地检测出现场设备中的异常数据，相比于其他同类基于聚类的异常检测模型，采用该方法检测异常数据的漏报率更低。

面向脑血管分割的改进型非局部均值滤波算法研究.docx

主要是K 均值代码和分裂合并算法的代码，比较适合新手。

文件中包含非局部均值去噪算法，可以直接运行，文件采用matlab语言所写。

matlab开发-频率振幅相位和正弦波的均值。函数sinfapm评估采样正弦波的参数

K 均值聚类算法(原理加程序代码).doc

K均值聚类算法优缺点.doc.doc

基于纹理和空间信息特征的k均值图像分割matlab仿真+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。

具有K均值聚类和DBSCAN的CitiBike数据网络分析 该存储库使用网络科学方法和聚类技术检查CitiBike数据。 该数据可在上获得，而行程历史数据可在 。 csv.zip 2019年11月5日，05：10：56 pm用于此实验）。 使用K-means聚类和DBSCAN对自行车站网络进行进一步分析。 该文件包含以下属性-行程持续时间（秒），开始时间和日期，停止时间和日期，开始站点，名称，结束站点名称，站点ID，站点纬度/经度，自行车ID，用户类型（客户= 24小时通行证或3天通行证用户；订户=年度会员），性别（零=未知； 1 =男性； 2 =女性），出生年份。 为了可视化网络，进行以下数据处理。 •CSV文件存储在pandas数据框中，并随机采样50个条目。 •从采样数据中起始和结束站点ID的组合列表中，将所有唯一的起始和结束站点ID及其相应的站点名称，纬度和经度提取到新的数