基于K-Means聚类算法对NBA球员数据的聚类分析

使用java语言在数据集iris上实现k-means聚类

HandNumTranslation.zip

该数据集为西瓜数据集4.0，可做多种聚类使用，在我的博客《机器学习之K-means算法（小白入门级别）》的代码中使用。

MeanShiftCluster + k-means 聚类 的 matlab代码

matlab中用K-means进行社区划分，通过度最大的点，边的介数和点的介数求影响力最大化

本文介绍了基于K-Means算法的雷达信号预分选算法，首相对传统K-Means算法不足进行分析，然后提出相应的解决方案

对文本进行聚类，文本预处理-->构造特征向量-->聚类，压缩包内含有实验用语料

外卖业务模式高度复杂,现有文献中缺少针对外卖配送路径优化问题的研究.鉴于此,基于同时送取货VRP问题的求解策略,引入时间惩罚成本衡量外卖配送超出时间窗的情况,定义目标函数为外卖配送成本增量总和,包括新订单的固定配送成本、额外配送成本和时间惩罚成本之和.考虑随机参数对计算复杂程度产生的影响,设定配送区域范围,对新订单进行调度时,已指派但尚未完成的订单仍由原车配送,且将时间惩罚成本作为变动成本修正目标函数,直接去掉时间窗约束,降低算法求解难度.设计“商家-客户”配对策略,引入k-means对“商家-客户”进行聚类,同一类内设计“商家-客户”遗传算法,得到启发式路径优化方案.最后,采用随机模拟算法生成动态订单测试算例,通过R语言测试模型及算法的有效性.

传统室内定位中聚类算法被动依赖定位环境中接入点（Acess Point，AP）数量，导致定位效率低、误差大，室内位置指纹定位研究中AP布局是影响定位精度的关键性因素。因此，采用Intel芯片的嵌入式微系统和美国Signal Hound生产的SA44B型测量接收机共同组成传感器网络，根据电波路径损耗建立室内定位的目标函数，采用单纯形法和模拟退火算法融合算法对目标函数进行优化，从而达到最合理的AP室内位置布局，而后改进K-means聚类算法将优化后的AP位置坐标作为初始聚类中心，来提高系统的定位效率和精确度。实验结果表明，与传统K-means算法相比，经过AP位置最优化后的聚类定位算法精度提高了13.8%。