该函数用于训练用于矢量量化的码本。 首先将数据集拆分为两个集群，然后找到每个集群的均值（质心）。 找到每个向量与这些质心的距离，并且每个向量都与一个集群相关联。 每个簇的向量均值首先替换质心。 如果总距离没有显着提高，则质心每个都分裂为两个。 这种情况一直持续到达到所需的集群数量并且改进不大。

机器学习部分聚类 SVM PCA详细代码实例，并附有数据集。

基于matlab的表情识别代码数据挖掘 项目1 在本作业中，您将研究k最近邻，神经网络和SVM分类器在两个实际分类问题上的应用。 用于此分配的数据集已上传到“数据集”文件夹下。 x_train，y_train，x_test和y_test分别表示训练功能，训练标签，测试功能和测试标签。 在x_train和x_test中，每一行代表一个数据样本，每一列代表一个特征。 问题1 人类活动识别数据集是根据对30名志愿者进行的实验而创建的，以使用智能手机数据识别人类活动。 每个人都在腰部佩戴智能手机（三星Galaxy S II）进行六项活动（步行，步行，上楼，下坐，坐着，站立，躺着）。 使用其嵌入式加速度计和陀螺仪，可以以50Hz的恒定速率捕获3轴线性加速度和3轴角速度。 使用信号处理算法处理数据以提取维度561的特征向量。训练集包含7,352个样本，测试集包含2,947个样本。 在此数据集上实现k = 5的k最近邻算法。 使用简单的欧几里德距离度量来计算两个样本之间的距离。 在训练集上训练带有参数2的多项式内核的SVM分类器，并在测试集上进行测试。 您需要为每个课程训练一个SVM。 为了预测测试

Matlab代码sqrt 该存储库包含用于产生手稿结果的代码：（）。 代码-PCSKM exeSimus.m：运行整个分析并将结果存储在./GenRes/results文件夹中。 该文件包含以下选项： 确定： 0/1开始时不带或带有随机种子。 JMPCKM_OVERLOAD： 0/1使用重载或非重载MPCK-Means。 该库用于MPCK-Means算法。 看 。 CONSTR_PERC： 0/1根据大小使用固定数量的约束或百分比。 日志： （0）无日志文件且无显示，（1）仅日志文件，（2）仅显示，（其他）显示和日志文件。 constraints_type：要使用的约束类型； 0/1激活ML和/或CL，当从所有可用约束中选取-1则随机约束时，则同时选择了1则相等数量的每种类型的牺牲子。 Constraints_number：要使用的固定值或约束的百分比。 citer：每个约束的迭代次数 sstep：要测试的稀疏性参数值，从步骤1.1到sqrt（尺寸），步长为sstep 。 maxIter：算法迭代以达到收敛。 k折：选择k进行k折验证。 CVstatsPer.m：生成有关数据集的统计信

完整代码，可直接运行

关于k-means算法的源程序代码.%%%%%%函数说明%%%%%% %输入： % sample--样本集； % k--聚类数目； %输出： % y--类标； % cnew--聚类中心； % n--迭代次数； function [y cnew n]=k_means(sample,k)

实时大数据分析k-means算法 报告，源码+数据集 对超市购物记录集basket_row.csv数据集中的商品名称进行聚类，实现同一类商品，不同规格汇聚成一个大类的要求。

K-均值可见 K-Means聚类概念的可视化 演示： :

客户细分 该项目是关于使用K-means在购物中心进行客户细分。 该项目中使用的语言是Python。

多维k-means聚类算法java简单实现，导入运行KmeansTest.java可看到结果 多维k-means聚类算法java简单实现，导入运行KmeansTest.java可看到结果