更新新闻！！！ iLearnPlus - iFeature和iLearn的更新版本现已发布！ （2021-02-28） iLearnPlus是第一个同时具有基于图形和基于Web的用户界面的机器学习平台，该平台可以构建自动机器学习管道，以使用核酸和蛋白质序列进行计算分析和预测。 iLearnPlus集成了21种机器学习算法（包括12种常规分类算法，2种整体学习框架和7种深度学习方法）和19种主要序列编码方案（总共147个特征描述符），数量超过了所有当前的Web服务器和独立服务器据我们所知，用于生物序列分析的工具。 此外，生物学家还可以使用iLearnPlus友好的GUI（图形用户界面）来顺利进行分析，与现有管道相比，显着提高了有效性和用户体验。 iLearnPlus是一个用于学术目的的开源平台，可从。 可从在线访问iLearnPlus-Basic模块。 iLearnPlus-基本模块界面：

k均值算法matlab代码 该软件包正在实施 AAAI 2020 论文中的方法：线性时间中的大规模多视图子空间聚类。 如果您有任何问题，请联系。 本守则简介 这个包包含 5 个 matlab 文件和一个数据集。 runlmv.m ：如果您只是想运行此算法并查看其性能，请访问此文件。 您可以在代码中更改数据集名称后运行此文件。 其演奏将被自动记录。 建议在 matlab 中运行该文件之前阅读该文件中的备注。 lmv.m ：代码的核心部分是在这个函数中实现的。 如果您想了解有关 LMVSC 机制及其编程实现的详细信息，请参阅此文件。 ClusteringMeasure : 该函数用 3 个指标来衡量 LMVSC 的性能——准确度、NMI 和纯度。 litekmeans ：执行 K-Means 聚类。 mySVD ：执行奇异值分解。 dataset(dir) : 数据集的目录。

从零开始的高斯混合模型 算法类型：聚类算法使用的数据集：从sklearn导入的虹膜数据集 最终集群的输出 要求： Jupyter笔记本或Google Colab 库： 熊猫： ： numpy： ：//numpy.org/install/ Matplotlib： ：//matplotlib.org/stable/users/installing.html sklearn： ://scikit-learn.org/stable/install.html scipy： ：//pypi.org/project/scipy/ 涉及的步骤： 对于Google Colab： 在任何浏览器上打开google colab。 在Google Colab中上传文件“ 19BCE1328_Gaussian混合物模型”。 运行笔记本中的所有单元并查看输出。 参见图以可视化最终结果。 对于Jup

无线传感器网络中具有改进覆盖范围的分布式节能聚类算法

模糊均值聚类算法。

基于时空聚类算法的轨迹停驻点识别研究.pdf

无监督学习 五个不同聚类算法之间的比较 有关报告和结果的信息，请阅读“无监督学习的中期工作.pdf”文件

基本上是copy的压缩包里的文档。原程序只能处理1维的，改成了可以处理任意维的；改成了文件读取数据；修正了内存泄漏的问题。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

为了进一步提高双聚类结果的性能，提出了一种基于变分贝叶斯的半监督双聚类算法。首先，在双聚类过程中引入了行和列的辅助信息，并提出了相应的联合分布概率模型；然后基于变分贝叶斯学习方法对联合概率分布中的参数进行估计；最后，通过合成数据集和真实的基因表达式数据集对提出的算法性能进行评估。实验表明，提出的算法在进行双聚类分析时，其归一化互信息量明显优于相关的双聚类算法。