在C++下使用k-means聚类算法，实现图像分割，带数据，希望对大家有帮助~~

软K均值 Soft K-Means算法的实现 要求 Python3. Numpy matplotlib 可视化结果 可视化3个集群的结果

根据交通事故的GPS坐标进行聚类分析，根据相应约束条件根据聚类算法判定事故高发区。其他分类场景也可以适用。

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。

聚类算法k-means和层次聚类的java源代码~

提出了一种基于k均值(k-means)聚类的点云精简方法。与包围盒法相比，在压缩率近似相同的条件下，k-means聚类方法能较好地保留细节特征，与原始数据的稠密稀疏分布更加一致，所建模型表面更光滑。

k-means算法，也被称为k-平均或k-均值，是一种得到最广泛使用的聚类算法。 它是将各个聚类子集内的所有数据样本的均值作为该聚类的代表点，算法的主要思想是通过迭代过程把数据集划分为不同的类别，使得评价聚类性能的准则函数达到最优，从而使生成的每个聚类内紧凑，类间独立。这一算法不适合处理离散型属性，但是对于连续型具有较好的聚类效果。

协作过滤算法（CF）在推荐系统中难以处理数据的稀疏性和可伸缩性问题。本文提出了基于类别偏好Canopy-K-means的协同过滤算法（CPCKCF），设计了用户项类别偏好比率（UICPR）的定义，并用来计算UICPR矩阵。将Canopy算法作为CPCKCF的前置算法，并将输出作为K-means算法的输入，其结果用于用户数据进行聚类并找到最近的用户以获得预测得分，使用MovieLens数据集进行的实验结果表明，与传统的基于用户的协作过滤算法相比，所提出的CPCKCF算法将计算效率和推荐精度提高了2.81%。

K均值聚类算法的PPT，包含最基本的K均值算法，以及改进性算法：K-means++算法 ，Isodate算法，二分K均值算法

博客中用于k-means聚类数据集R3.txt