：对经典k 均值算法进行分析，证明如何在减少节点间通信代价的情况下，从局部聚类信息生成完备的全局聚类信息，使聚类质量 等价于相应串行算法，并具有较高的执行效率，在此基础上给出可信的基于消息传递接口的并行k 均值算法。实验结果表明，该算法是高 效的和可行的。

该软件包包含 8 种不同的 K 均值聚类技术，适用于一组对称正定 (SPD) 矩阵。 基于 (1) 用于将样本与聚类中心进行比较的距离/散度度量，以及 (2) 相应的平均计算技术，即增量与非增量，算法是不同的。 这里使用的相异度量是：(1) P(n) 上的自然测地距离，(2) Stein 距离，(3) LogEuclidean 距离和 (4) Kullback-Leibler 散度。 基于上述不同度量，在增量和非增量框架中都提供了均值计算方法。 如果您使用该软件，请引用以下论文： [1] 广程、Hesamoddin Salehian、Baba C. Vemuri，计算平均扩散张量的高效递归算法及其在 DTI 分割中的应用，欧洲计算机视觉会议 (ECCV) 2012。 [2] Jeffrey Ho、Guang Cheng、Hesamoddin Salehian、Baba C. Vem

通过主成分分析的K -均值聚类 将pca与K-means相结合

利用K均值聚类算法对灰度图像进行聚类，四维数组存储和运算数据，运行时间慢

PCA特征提取K均值聚类matlab代码.rar

利用matlab实现FCM算法，算法最终返回距离类中心，和每个样本对于不同类的隶属度矩阵。同时，使用随机生成的100个二维数据，进行算法程序的检验，给出具体的迭代次数和目标函数值，以及聚类的结果图。

matlab源码集锦-k均值聚类的欠采样

使用python实现K均值聚类，并返回各个中心点到点集的距离之和，可用于调整分类个数、筛选最优的聚类。

利用OpenCV实现基于K均值的彩色图像分割，并显示聚类后的灰度图和灰度直方图。

模式识别系统聚类法之k均值算法，是无监督学习方法的一种，可以将模式分为k类，程序现在实现了将模式分为3类，供大家参考