本文主要是基于模拟退火算法，针对K-means聚类算法的内聚性和耦合性提出改进

k-means聚类算法及matlab代码 机器学习与数据挖掘实验 . 目录 实验内容 小组成员 队长：张奥翔 队员：何锦辉、王浩辉、吴振廷 仓库文件内容说明 文件/目录 说明 实验一 多源数据集成、清洗和统计 实验二 数据统计和可视化数据统计和可视化 实验三 k-means聚类算法 实验四 逻辑回归二分类 实验一 多源数据集成、清洗和统计 题目 ： ​ 广州大学某班有同学100人，现要从两个数据源汇总学生数据。第一个数据源在数据库中，第二个数据源在txt文件中，两个数据源课程存在缺失 、冗余和不一致性，请用C/C++/Java程序实现对两个数据源的一致性合并以及每个学生样本的数值量化。 0、两个数据源合并后读入内存，并统计： 1、学生中家乡在Beijing的所有课程的平均成绩： 2、学生家乡在广州，课程1在80分以上，且课程9在9分以上的男同学的数量： 3、比较广州和上海两地女生的平均体能测试成绩，哪个地区的更强些？ 4、学习成绩和体能测试成绩，两者的相关性是多少？（九门课的成绩分别与体能成绩计算相关性） (1) (2) 实验二 数据统计和可视化 题目 ： 基于实验一中清洗后的数据练

K-means聚类算法研究及应用

基于K-Means聚类算法的景区数据分析——以黄果树景区为例.pdf

适用于初学者的k-means聚类算法源代码，纯C代码，简单易懂。

C#实现简单的K-means聚类算法 txt文档

k-means聚类算法及matlab代码稀疏的KMeans KMeans使用预处理和稀疏化实现大数据，Matlab实施。 使用（也称为“ K均值”或“ K均值”），但以特殊方式稀疏数据，以显着（且可调）节省计算时间和内存。 该代码提供kmeans_sparsified ，其用法与Matlab统计工具箱中的kmeans函数非常相似。 有三个好处： 基本实现比“统计信息”工具箱版本快得多。 我们还提供了一些工具箱版本所缺少的现代选项。 例如，我们实现了初始化。 （更新：自2015年以来，Matlab改进了例程和初始化的速度，现在它们的版本与我们的版本相当）。 我们有一个新的变体，称为稀疏KMeans，它可以对数据进行预处理和采样，而该版本可以快数千倍，并且是为无法处理的大数据集设计的 该代码还允许使用大数据选项。 无需传递数据矩阵，而是给它提供.mat文件的位置，并且代码会将数据分成多个块。 当数据为10 TB并且您的计算机只有6 GB的RAM时，这很有用。 数据以较小的块（例如，小于6 GB）加载，然后进行预处理，采样并从RAM中丢弃，然后处理下一个数据块。 整个算法仅遍历数据集。 /注

用户用电情况随着电网技术发展变得更加复杂，同时产生大量用电特征。以往采用基于神经网络挖掘方法和基于CURE算法的挖掘方法受到噪声数据影响，导致挖掘精准度较低，针对该问题，提出基于k-means聚类算法的用户复杂用电特征挖掘方法。在k-means聚类算法中，研究用户复杂用电特征挖掘原理，并对数据进行清洗、集成、规约变换预处理，避免噪声干扰。利用信息熵原则聚类矩阵规整特征点，根据复杂用电特征，通过簇类决策用电特征点，计算聚类簇之间距离，获取用电特征信息增益，完成用户复杂用电特征挖掘。通过实验对比结果可知，该方法挖掘精准度最高为99%，为用户提供更好优质服务。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真

使用python进行编码，k - means聚类算法，里面有数据集。