nmf的matlab代码等级2的NMF 等级2级非负矩阵分解（HierNMF2）是用于大型文档聚类和主题建模的无监督算法。 它的质量是LDA的20倍左右。 HierNMF2也已成功应用于生物信息学领域。 这个Matlab软件包是为以下论文开发的： Da Kuang, Haesun Park, Fast rank-2 nonnegative matrix factorization for hierarchical document clustering, The 19th ACM SIGKDD International Conference on Knowledge, Discovery, and Data Mining (KDD '13), pp. 739-747, 2013. 如果发现该代码有用，请引用本文。 所有这些Matlab函数均已记录在案。 要开始使用，请运行脚本test.m请在每个M文件的开头找到帮助程序文本，以获取更多选项。 脚本test.m使用Reuters数据集生成具有20个叶节点的主题层次结构。 通常，HierNMF2算法更喜欢术语文档矩阵，其中每个数据点（文档

k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。

用matlab实现多视图聚类算法

用matlab实现多图学习用于多视图聚类

spss聚类分析结果解释-聚类表怎么解读[宣讲].ppt

复杂网络度和度分布、最短路径、点介数、聚类系数代码

针对电能质量扰动信号的识别问题，提出基于聚类改进S变换与直接支持向量机（SVM）的电能质量扰动识别方法。提出聚类改进S变换方法，该方法结合电能质量扰动信号的特点，可同时对基频的时域分辨率及高频的频域分辨率进行最优化处理，保证特征提取的准确性；将直接支持向量机作为分类器，与最小二乘支持向量机相比，其求解简单，计算复杂度较低，训练与测试速度快，泛化能力较高，并且避免不能保证全局最优解的缺点；将聚类改进S变换与直接支持向量机相结合，应用于单一扰动及混合扰动的识别分类工作。仿真实验验证了所提方法的有效性。

高清扫描 带有噪声的应用程序（ ）聚类算法的基于层次密度的聚类的MATLAB实现。 HDBSCAN算法创建基于密度的群集的嵌套层次结构，该层次结构以非参数的方式从输入数据中发现。 层次结构类似于单链接群集，但是在HDBSCAN中，会自动从群集层次结构中推断出最佳的群集方案。 最佳聚类类似于单次运行的算法，但是对于任何给定的层次分支，其epsilon值可能会有所不同（请参阅epsilon在DBSCAN中的作用）。 因此，来自本地社区的信息用于在不同级别上最佳地削减层次结构。 HDBSCAN算法的MATLAB实现是在考虑性能的基础上创建的，并且受到了出色的启发。 尽管此版本不如python实现快（在该实现中编译了高度优化的C代码以遍历层次结构），但该版本非常易于使用，不需要依赖外部工具箱，并且当前是唯一基于MATLAB的HDBSCAN算法。 有关与您自己的数据接口和运行HDBSCAN的

matlab聚类分析工具箱 相当好用

gg聚类算法，标准的matlab实现，加入数据就可以直接用的