实现K均值聚类，并将结果进行可视化。灰色“+”代表均值中心；黑色“。”代表簇内部的数据点；彩色“。”代表簇边界的数据点，不同的颜色代表不同的簇（由于颜色有限，簇过多时存在颜色重复）

以基因表达谱为测试数据，附有中文说明，给出Kmeans算法的流程

提出一种半监督聚类算法,该算法在用seeds集初始化聚类中心前,利用半监督分类方法Tri-training的迭代训练过程对无标记数据进行标记,并加入seeds集以扩大规模;同时,在Tri-training训练过程中结合基于最近邻规则的Depuration数据剪辑技术对seeds集扩大过程中产生的误标记噪声数据进行修正、净化,以提高seeds集质量.实验结果表明,所提出的基于Tri-training和数据剪辑的DE-Tri-training半监督聚类新算法能够有效改善seeds集对聚类中心的初始化效果,提高聚类性能.

编程实现求遥感图像的均值，方差，相关系数等。

meanshift_matlab MATLAB / Octave的均值漂移聚类实现的开源实现。 这是在MATLAB File Exchange中显示的meanshift实现的改进版本。 增加了对任意内核的支持。 版权所有2015 Han Gong ，东英吉利大学 版权所有2006 Bryan Feldman 参考： 福永，庆之助和拉里·D·霍斯特特勒。 “密度函数梯度的估计及其在模式识别中的应用。” 信息论，IEEE Transactions on 21.1（1975）：32-40。 MATLAB /八度代码：演示请参见demo.m。 结果：

自适应切萨罗均值滤波器，用于去除椒盐噪声 引文： S.Enginoğlu，U。Erkan和S.Memiş，2020年。用于去除椒盐噪声的自适应Cesáro均值滤波器，El-Cezeri科学与工程学报，7（1），304-314。 doi： https ： //doi.org/10.31202/ecjse.646359 抽象的： 在这项研究中，我们提出了一种椒盐噪声（SPN）消除方法，即自适应Cesáro均值滤波器（ACmF），并提供了其一些基本概念。 然后，我们将ACmF应用于噪声密度范围从10％到90％的几个测试图像：15个传统测试图像（狒狒，船，桥，摄影师，Elaine，打火石，山，房屋，湖泊，Lena，客厅，鹦鹉，辣椒，海盗和飞机）和40张测试图像（在TESTIMAGES数据库中提供）。 然后，我们将ACmF与最先进的方法进行比较，例如自适应加权均值滤波器（AWMF），不同应用

k 均值算法的C＋＋版本

基于积分图的快速均值滤波，数字图像处理，。。。。。。

使用MFC实现了遥感图像处理中的非监督分类-K均值聚类，可以对绝大多数常用图像格式进行处理和分类，可以人工设置分类精度和分类类别，可以保存分类后的图像，代码注释很详细，界面也很美观。

分析了需求不可分割带能力约束的车辆路径问题(CVRP)的 2-OPT算法计算时间的平均复杂度。利用需求分布独立于客户的空间分布的特点,将车辆路径问题(VRP)转化为多旅行商 (MTSP)问题,并通过分析 MTSP进行 2-OPT操作的可行性条件,建立起该算法运行所需的迭代次数的分布函数,进而求得平均运算时间复杂度的上界。该文为有效评价针对 VRP的2-OPT算法,提供了理论依据,并为VRP领域的启发式算法的复杂度分析,提供了一种新思路。