kmeans算法 文本相似度计算（可控制台手动输入数据）

KMeans算法的并行化实验 KMeans算法的并行化实验 KMeans算法的并行化实验

使用该文件应用于聚类算法 - KMeans算法，GMM算法等等

资料说明：包括数据+代码+文档+代码讲解。 1.项目背景 2.数据获取 3.数据预处理 4.探索性数据分析 5.特征工程 6.构建聚类模型 7.结论与展望

带canopy预处理的kmeans算法 （1）将数据集向量化得到一个list后放入内存，选择两个距离阈值：T1和T2。  （2）从list中任取一点P，用低计算成本方法快速计算点P与所有Canopy之间的距离（如果当前不存在Canopy，则把点P作为一个Canopy），如果点P与某个Canopy距离在T1以内，则将点P加入到这个Canopy；  （3）如果点P曾经与某个Canopy的距离在T2以内，则需要把点P从list中删除，这一步是认为点P此时与这个Canopy已经够近了，因此它不可以再做其它Canopy的中心了；  （4）重复步骤2、3，直到list为空结束

大数据聚类算法与处理与kmeans 算法综述

简单的实现了K_means算法的可视化，这里分析的主要是坐标信息，数据源是文本信息txt文件。数据源大家可以修改

K-means聚类，手撕代码、包括数据生成、模型展示，可直接运行

2017年高教社杯全国大学生数学建模B题优秀论文（附代码） 2017年高教社杯全国大学生数学建模B题优秀论文（附代码）

Kmeans算法的C++实现，输入的instance的数据结构有设计为静态数组存储和动态链表存储