采用k均值聚类算法对数据进行聚类，成功率达97%以上，代码采用matlab编写，下载后可直接运行。

k均值聚类代码，主要是随机产生一个矩阵，然后将其聚类。

############################################### ############################################### ######### 超图聚类：大型超边的案例 这个包包含实现 Hypergraph 聚类的源代码，其中提出了在P. Purkait、TJ Chin、H. Ackermann 和 D. Suter 超图聚类：大型超边的案例在过程中。 欧洲会议。 关于计算机视觉 (ECCV)，瑞士苏黎世，2014 年。 版权所有 (c) 2014 Pulak Purkait (pulak.purkait@adelaide.edu.au.) 澳大利亚阿德莱德大学计算机科学学院澳大利亚视觉技术中心http://www.cs.adelaide.edu.au/directory/pulak.purkait #######

来执行这个程序。 执行此代码是为了获得我们论文的结果：Tran Manh Tuan，Le Hoang Son，“使用具有空间约束的半监督模糊聚类从 X 射线图像进行牙科分割”，已提交

点聚类matlab代码约束聚类 这是包含一组聚类算法的MATLAB代码。 此代码的一部分用于模拟工作中的实验。 此外，还有可用代码的约束聚类算法列表。 如何运行： 要查看玩具数据的输出，请转到目录experiment ，然后运行脚本experiment_toy.m 。 您应该能够看到以下输出，以及其他一些输出： 您也可以运行脚本experiment_uci.m来查看UCI数据集上算法的输出。 该包装的结构 代码结构如下： 在某些时候， algorithms包含了我们已经研究/实验过的算法。 这些代码中有许多是从某个地方下载的，并且直接包含在其中（或进行了很小的修改）。 其中一些算法的文件夹内包含README.md ，该文件解释了它们的下载位置以及可能的修改/扩展。 请注意，并非所有这些算法都在评估脚本中使用（由于不稳定，运行缓慢或与我们的目的不兼容）。 也就是说，您始终可以将它们添加到脚本中并使用它们。 data ：UCI数据+玩具数据 distance ：我们在多种算法中使用的一些距离度量。 experiment ：用于在数据集上运行算法的脚本。 metrics ：包含我们使用的评估

广义神经网络的聚类算法-网络入侵聚类 matlab程序 供大家借鉴学习

聚类是用于提取有用信息的最重要的数据挖掘技术之一来自微阵列数据。 微阵列数据集可以按样品或基因聚类。 在这研究我们专注于基因聚类问题。 基因聚类的目的是将基因分组相似的表达模式以及共同的信念，即这些基因通常具有相似的功能， 参与特定途径或对共同环境刺激的React。 虽然数百聚类算法存在，非常简单的 K-means 及其变体仍然是最广泛的生物学家和从业者使用的基因聚类算法。 这个令人惊讶的事实可能归因于其特别易于实施和使用。 当微阵列数据归一化为零均值和单位范数时，使用归一化数据的 K 均值算法的变体将更合适。 由于数据点位于单位超球面上，因此该算法称为球面 K 均值算法 (SPK-means)。

量子聚类算法的Matlab工具箱，大家可以下载使用

模糊C均值算法（FCM)Matlab程序