无监督k-means聚类的代码设计，根据k-means聚类算法流程自行设计的代码过程。

为了提升传统多视图K-means算法在高维数据中的聚类性能，提出了一种鲁棒性大规模多视图数据的自降维K-means算法RMSKMC（robust multi-view subKmeans clustering）。通过寻找单个视图上的最优子空间实现高维数据的自降维，利用非负矩阵分解（NMF）对损失函数进行重构，使不同视图共享相同的聚类指示矩阵从而实现多视图信息互补，完成大规模多视图数据的聚类。实验结果表明，在大规模多视图数据集上，该算法比其他多视图聚类算法资源消耗更小，并且能够进行更为准确的聚类。

基于LDA的改进K_means算法在文本聚类中的应用

mo_2.m聚类分析算法实例（k-means和k-medois）matlab实现

本文主要是承接上一个项目文本预处理（资源中已经给出）的数据来作为支撑进行设计与实现的文本搜索引擎，采用的是Lucene工具包来进行实现的，同时还进行了余弦相似度的检测以及K-Means聚类分析，本报告是比较详细的给出了设计与实现步骤以及源代码。 如果需要具体的项目文件以及数据的请加QQ：404125822,

为了探讨K-means算法应用于图像分割时在不同颜色空间中的聚类效果,选用了不同分辨率的多对图像进行研究,分析了基于RGB和YUV颜色空间的分割结果,并提出一种新的混合模型,即在YUV聚类距离公式中引入图像的二维信息熵的差量,同时利用YUV颜色空间中的Y分量作为其灰度进行计算,实验结果表明,基于YUV颜色空间聚类的改进模型分割效果比单纯使用YUV颜色空间进行聚类更佳。

用模拟退火k-means聚类算法实现样本库的聚类。

在K-Means算法中使用肘形法寻找最佳聚类数，用到了鸢尾花

文件包含聚类分析的数据集、python kmeans代码、有效性评估、PPT内容展示，适合需要课程报告的同学使用。

PPT用于初步理解K-means算法，且基于K-means算法衍生出了三类算法：K-medoids,k-means++,FCM。该PPT的传输来自导师的资源分享，不涉及商用，用于大家对K-means算法的理解。如有侵权，本人将撤销资源上传。以上。