该资源主要参考我的博客： [python] Kmeans文本聚类算法+PAC降维+Matplotlib显示聚类图像 http://blog.csdn.net/eastmount/article/details/50545937 包括输入文档txt，共1000行数据，每行都是分词完的文本。 本文主要讲述以下几点： 1.通过scikit-learn计算文本内容的tfidf并构造N*M矩阵(N个文档 M个特征词)； 2.调用scikit-learn中的K-means进行文本聚类； 3.使用PAC进行降维处理，每行文本表示成两维数据； 4.最后调用Matplotlib显示聚类效果图。 免费资源，希望对你有所帮助~ By Eastmount

这里面的matlab代码是BOW的实现，里面有kmeans++的部分，模块化，易理解，稍微改动就可以用于解决自己的问题

亲测有效，内附图片，可实现图片文件读取，自动选取聚类中心和聚类数，可改变T1,T2实现（彩色图和灰度图两组参数）

采用可视化编程工具（如Matlab、Java等）实现一种数据挖掘技术（如K-means聚类、EM聚类等），并进行其挖掘过程和结果的可视化展现，最后采用一组数据，展示其可视化数据挖掘过程和结果。

matlab代码，以IRIS数据集为输入，用kmeans+PSO对其进行聚类，效果比kmeans好，可以绘制聚类图，并动态显示粒子运动轨迹。

java可以直接调用kmeans进行聚类！

本资源为KMeans和KMedoid算法的实现，算法讲解见http://blog.csdn.net/abcjennifer/article/details/8197072

利用opencv的cvKMeans2进行聚类分析，并给出测试代码，希望对大家有所帮助

用matlab实现模拟退火k均值聚类，只要有样本特征库就能运行。

基于Python3.7实现整图分割功能，调用sklearn模块的KMeans聚类算法。包括源程序、测试图片和结果图片。