这是我们最近研究学的论文 结合bp网络预测股票 学以致用的目的

K-means聚类算法是一种迭代求解的聚类分析算法，其步骤是随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，误差平方和局部最小。

代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复杂网络的聚类系数算法代码代码 复

文中主要基于视觉词袋（BOVW， Bag-Of-Visual-Words）模型对图像进行分类处理，并对传统视觉词袋模型存在的不足进行了改进，提出了一种基于视觉词典的权重直方图来表达图像，采用优化的k-means聚类算法（k-means+）用于视觉词典的构建，代入KNN（K-Nearest-Neighbors）分类器进行分类。通过对Caltech 101和Caltech 256这两个经典数据库进行实验，实验结果表明该改进方案较传统方法提高了分类的正确率。

代码 动态聚类或迭代自组织数据分析算法（ISODATA）代码 动态聚类或迭代自组织数据分析算法（ISODATA）代码 动态聚类或迭代自组织数据分析算法（ISODATA）代码 动态聚类或迭代自组织数据分析算法（ISODATA）代码 动态聚类或迭代自组织数据分析算法（ISODATA）代码 动态聚类或迭代自组织数据分析算法（ISODATA）代码 动态聚类或迭代自组织数据分析算法（ISODATA）代码 动态聚类或迭代自组织数据分析算法（ISODATA）代码 动态聚类或迭代自组织数据分析算法（ISODATA）代码 动态聚类或迭代自组织数据分析算法（ISODATA）代码 动态聚类或迭代自组织数据分析算法（ISODATA）代码 动态聚类或迭代自组织数据分析算法（ISODATA）代码 动态聚类或迭代自组织数据分析算法（ISODATA）代码 动态聚类或迭代自组织数据分析算法（ISODATA）代码 动态聚类或迭代自组织数据分析算法（ISODATA）代码 动态聚类或迭代自组织数据分析算法（ISODATA）代码 动态聚类或迭代自组织数据分析算法（ISODATA）代码 动态聚类或迭代自组织数据分析算法（ISOD

信息素矩阵初始化 信息素矩阵维数为N*K（样本数*聚类数）初始值为0.01。 c = 10^-2; tau = ones(N,K) * c; %信息素矩阵，初始值为0.01的N*K矩阵（样本数*聚类数）

针对初始聚类中心对传统K-means算法的聚类结果有较大影响的问题，提出一种依据样本点类内距离动态调整中心点类间距离的初始聚类中心选取方法，由此得到的初始聚类中心点尽可能分散且具代表性，能有效避免K-means算法陷入局部最优。通过UCI数据集上的数据对改进算法进行实验，结果表明改进的算法提高了聚类的准确性。

模式识别作业__ISODATA聚类算法 报告AND源码 对鸢尾花的公开数据集，用ISODATA聚类。用MATLAB实现。

基于因子聚类分析的区域物流中心研究.doc

K-Means算法的思想很简单，对于给定的样本集，按照样本之间的距离大小，将样本集划分为K个簇。让簇内的点尽量紧密的连在一起，而让簇间的距离尽量的大。 使用场景：通用聚类方法，用于均匀的簇大小，簇的数量不多的情况。