基于MATLAB的KMEANS 聚类程序（函数）和资源里德程序数据一起下所以这个没要分。

kmeans聚类算法 基于划分的方法单机版基于学习

本代码 旨在演示kmeans的算法思想，以及将其应用到15个国家的世界杯排名分析中。

模糊C均值聚类的Python算法，新数据的类别预测

K均值聚类算法，Python手写，新数据预测

K-means聚类,FCM-matlab实现，GA特征提取-matlab-sonar,Iris,sonar,不需要额外拓展包，下载即可运行，自写可直接。

多视图聚类算法在目前已经有了十分重要的研究和应用前景

该课题为基于kmeans的聚类分割，输入一张彩色图像，可以选择需要分割成多少类，就会以不同颜色区分不同的块。

kmeans算法C语言版，实测可以运行，方便大家下载。

数据分析中常用RFM分析消费者人群，但常见RFM是用均值区分。 均值区分与利用Kmeans区别在于前者人为划定R、F、M高低界限（以均值为界限），后者为通过不断迭代确定界限（不过两者对于异常点都较为敏感） RFM模型 首先介绍一下RFM模型 R – Recency 最近一次消费的时间 F – Frequency 一段时间内的消费频次 M – Monetary 一段时间内的消费金额 RFM模型主要用来划分客户/消费者，通过上述三个指标衡量客户/消费者价值 每个指标都分为0和1两档，1就是高，0就是低。把人群划分为2 * 2 * 2=8种： 上图源于百度百科 具体分类： 111 – 重要价值人群