层次聚类方法的改进--BIRCH BIRCH（利用层次方法的平衡迭代归约和聚类）是一个综合的层次聚类方法，它用聚类特征和聚类特征树（CF）来概括聚类描述。该算法通过聚类特征可以方便地进行中心、半径、直径及类内、类间距离的运算。CF树是一个具有两个参数分支因子B和阂值T的高度平衡树，存储了层次聚类的聚类特征。分支因子定义了每个非叶节点孩子的最大数目，而阈值给出了存储在树的叶子节点中的子聚类的最大直径。 BIRCH算法的工作过程包括两个阶段： 阶段一：BIRCH扫描数据库，建立一个初始存放于内存的CF树，它可以被看作数据的多层压缩，试图保留数据内在的聚类结构。随着对象的插入，CF树被动态地构造，不要求所有的数据读入内存，而可在外存上逐个读入数据项。因此，BIRTH方法对增量或动态聚类也非常有效。 阶段二：BIRCH采用某个聚类算法对CF树的叶结点进行聚类。在这个阶段可以执行任何聚类算法，例如典型的划分方法。 BIRCH算法试图利用可用的资源来生成最好的聚类结果。通过一次扫描就可以进行较好的聚类，故该算法的计算复杂度是O(n)，n是对象的数目。

利用som聚类方法对图像实现了聚类。利用som聚类方法对图像实现了聚类。

很棒的多视图聚类 最新技术（SOTA）的集合，新颖的多视图聚类方法（论文，代码和数据集） 我们期待其他参与者分享他们的论文和代码。 如果有兴趣，请联系 。 目录 重要调查文件 多视角学习论文调查 基于图的多视图聚类系统研究纸代码 多视图聚类：调查论文 多视图学习概览：最近的进展和新的挑战纸业 文件 下列方法列出了论文：图形聚类，基于NMF的聚类，共正则化，子空间聚类和多核聚类 图Clusteirng AAAI15：通过两方方格纸代码进行大规模多视图光谱聚类 IJCAI17：具有多个图形的自加权多视图聚类”论文代码 TKDE2018：一站式多视图光谱聚类纸代码 TKDE19：GMC：基于图的多视图聚类论文代码 ICDM2019：一致性遇到不一致：用于多视图聚类的统一图学习框架论文代码 多Kenrel聚类（MKC） NIPS14：用于内核k均值聚类的局部数据融合及其在癌症生物学中的

论文研究-基于独立成分分析的时间序列谱聚类方法.pdf,  为了对时间序列数据进行聚类分析, 提出了一种基于独立成分分析的时间序列多路归一化割谱聚类方法, 并给出了利用独立成分分析对时间序列数据进行特征提取和降维的理论解释. 该方法首先利用独立成分分析对时间序列数据进行特征提取, 然后利用多路归一化割谱聚类方法完成对时间序列特征数据的聚类分析, 从而得到了一种新的基于特征的时间序列聚类方法. 为了验证该方法的可行性和有效性, 将其应用于仿真时间序列数据和实际的股票时间序列数据聚类分析中, 取得了较好的数值结果.

hosvd matlab代码超图聚类 基于张量的MATLAB代码用于超图分区和子空间聚类的方法 该目录包含与论文[1]相关的所有实现。 这也包括[2,3,4]中提出的方法的实现。 D. Ghoshdastidar和A. Dukkipati。 统一超图分区：可证明的张量方法和采样技术。 机器学习研究杂志18（50），第1-41页，2017年。 D. Ghoshdastidar和A. Dukkipati。 种植分割模型下光谱超图分割的一致性。 统计年鉴， 2017，45（1）：289-315。 D. Ghoshdastidar和A. Dukkipati。 均匀超图分割的一种可行的广义张量谱方法。 在第32届国际机器学习会议（ICML）的会议记录中，PMLR 37：400-409，2015。 D. Ghoshdastidar和A. Dukkipati。 种植分配模型下均匀超图谱分配的一致性。 2014年，《神经处理系统进展》（NIPS） 。 如果您在工作中使用这些代码/结果，请引用[1]。 如果使用[2,4]中的方法，请相应引用。 版权 版权所有（c）2017 特此免费授予获得此软件和相关文

基于相似度学习的图聚类方法计算机研究.docx

图像处理中的图像分割，利用matlab编程，采用聚类的方法找到合适的阈值对图像进行分割的方法。

基于模糊C均值优化的直觉模糊C均值，融合了区域特征，C++实现，附带论文，可以更好的学习。博客地址https://blog.csdn.net/qq_41828351/article/details/88402605

一种基于高斯混合模型的无监督粗糙聚类方法.pdf

一种带有导向性的聚类方法在电信客户细分中的应用.pdf