欢迎。 该存储库包含基于Matlab的“ GBK-means聚类算法的实现：基于讨价还价博弈的K-means算法的改进”。 在该存储库中，提供了GBK-means聚类算法的源代码，并将其与两种众所周知的聚类算法K-means和Fuzzy cmeans进行比较。 关于通用有效性指标，已经对人工和现实世界的数据集进行了比较。 提出的方法是一种新的机制，用于解决集群中心相互竞争以吸引最多数量的相似对象或实体进入其集群的集群分析问题。

资源是csv文件，大家可以直接使用

K-Means++算法代码实现所用到的数据集

基于K-Means算法的航空公司价值分析：文档+代码

K-means算法常见示例数据Mall_Customers.csv，可用于计算

利用c++编写的k-means算法，实现简单的算法 利用c++编写的k-means算法，实现简单的算法 利用c++编写的k-means算法，实现简单的算法

数据挖掘聚类算法k-means的源代码。

K-means算法简介 K-means是机器学习中一个比较常用的算法，属于无监督学习算法，其常被用于数据的聚类，只需为它指定簇的数量即可自动将数据聚合到多类中，相同簇中的数据相似度较高，不同簇中数据相似度较低。 K-MEANS算法是输入聚类个数k，以及包含 n个数据对象的数据库，输出满足方差最小标准k个聚类的一种算法。k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。 核心思想 通过迭代寻找k个类簇的一种划分方案，使得用这k个类簇的均值来代表相应各类样本时所得的总体误差最小。 k个聚类具

算法过程如下：1）从N个样本随机选取K个样本作为质心2）对剩余的每个样本测量其到每个质心的距离，并把它归到最近的质心的类3）重新计算已经得到的各个类的质心4）迭

k-means 算法的matlab代码 KmeansPCA matrix.h: 自己手写的Matrix类的定义 matrix.cpp: 自己手写的Matrix类 datapoint.h: 自己手写的DataPoint类定义，用途是标示数据点元素 datapoint.cpp: 自己手写的DataPoint类 kmeans.h: K-means算法类的定义 kmeans.cpp: K-means算法类的实现 trie.h: 自己手写的Trie树类定义，用于快速高效统计字符串 trie.cpp: 自己手写的Trie树类 tfidf.h: 对读文件操作以及生成关键词 tfidf.cpp: 生成我需要的关键词 constant.h: 存放程序所需要的各种变量 files.h: 读取一个文件夹中的所有文件名 main.cpp: 我的主文件 Matlab Code Matlab显示图片过程以及代码 导入数据 -> 重命名 -> 代码 imagesc(1 - x) colormap(gray)