聚类 鸢尾花数据的 K-means 聚类和葡萄酒数据的 K-Medoids 聚类

k-means 聚类算法，经典c++算法，中文注释

电力负荷曲线聚类是配用电系统的基础，对负荷管理具有重大意义。采用基于核方法的聚类算法提高负荷曲线聚类的准确性，通过点积的方式构造核矩阵，再将数据映射到高维空间中进行聚类，进而加大数据的可分性。同时，针对核矩阵的规模大、计算复杂的问题，提出使用核主成分与缩减矩阵规模对该方法进行优化。实验过程中采用美国能源部开发能源信息网站提供的负荷数据进行聚类，并以Davies-Bouldin聚类有效性指标评估效果。结果表明该方法具有较好的划分能力，可以提高负荷曲线聚类的准确性。

svd算法matlab代码基于阈值SVD的K-means用于主题建模 论文代码： “”。 Trapit Bansal，Chiranjib Bhattacharyya，Ravindran Kannan。 在神经信息处理系统（NIPS）中，2014年。 该文件提供了有关使用代码的有用信息。 首先，我们展示如何使用演示在各种标准公共数据集上运行算法。 要运行自己的数据，请检查以下数据格式，预处理步骤以及用于运行算法的主要matlab函数。 提供的代码已在Linux系统上的Matlab R2012a / b上进行了测试。 对于错误/查询/建议/谢谢，请随时通过“ gmail dot com的trapitbansal”给我发送电子邮件。 运行演示 用当前目录作为代码目录打开Matlab，确保已将Matlab配置为可访问Internet，然后键入： demo() 这将在NIPS语料库上运行该算法的演示。 此功能可以使用TSVD从指定的公共语料库中恢复主题。 语料库的其他可用选择是20-NewsGroup和UCI存储库上的任何语料库（即NIPS，ENRON，KOS，NYT，PUBMED）。 指定胼名

数据挖掘算法k-means，使用Python实现

利用Python实现数据挖掘经典算法K-means，K-means坐标点由random随机生成。

代码实现了聚类算法中的K-Means（k=2,k=3）和DBSCAN两个算法。

基于 K-means 聚类算法的图像区域分割，首先从数据样本种选取K个点作为初始聚类中心，其次计算各个样本到聚类的距离，把样本归到离它最近的那个聚类中心所在的累，计算新形成的每个聚类的数据对象的平均值来得到新的聚类中心，最后重复以上步骤，直到相邻两次的聚类中心没有任何变化，说明样本调增结束，仿真代码亲测可用，有很高的参考价值

用于测试k-means的小型数据样本，原理和代码请参照我的博客

改进的K-means算法在维文连体段聚类中的应用