Python biKmeans 二分聚类算法

AGNES和DIANA算法 AGNES (AGglomerative NESting)算法最初将每个对象作为一个簇，然后这些簇根据某些准则被一步步地合并。两个簇间的距离由这两个不同簇中距离最近的数据点对的相似度来确定；聚类的合并过程反复进行直到所有的对象最终满足簇数目。 DIANA (DIvisive ANAlysis)算法是上述过程的反过程，属于分裂的层次聚类，首先将所有的对象初始化到一个簇中，然后根据一些原则（比如最大的欧式距离），将该簇分类。直到到达用户指定的簇数目或者两个簇之间的距离超过了某个阈值。

整理包括聚类模型，粒子群，马尔可夫，模拟退火，插值，博弈论，排队论，微分方程，灰色预测等共30个模型的优秀论文，整理不易

在VS环境下，用c#实现FCM--模糊聚类算法，内有例子，可以运行出结果

ap聚类算法的c#实现，不过工程文件是vs2012的，下载前请注意。。。

大数据-Hadoop

DBSCAN密度聚类算法，matlab代码，有简单注释，封装好可以运行。

人工智能-搜索引擎

用户用电情况随着电网技术发展变得更加复杂，同时产生大量用电特征。以往采用基于神经网络挖掘方法和基于CURE算法的挖掘方法受到噪声数据影响，导致挖掘精准度较低，针对该问题，提出基于k-means聚类算法的用户复杂用电特征挖掘方法。在k-means聚类算法中，研究用户复杂用电特征挖掘原理，并对数据进行清洗、集成、规约变换预处理，避免噪声干扰。利用信息熵原则聚类矩阵规整特征点，根据复杂用电特征，通过簇类决策用电特征点，计算聚类簇之间距离，获取用电特征信息增益，完成用户复杂用电特征挖掘。通过实验对比结果可知，该方法挖掘精准度最高为99%，为用户提供更好优质服务。

文中详细地对近邻传播聚类算法的基本理论概念进行了阐释，并通过案例予以验证。