k-means,DB-SCAN,基于密度峰值的聚类算法的matlab简单实践

运用surf提取出一张图片的特征点，然后运用K-means均值算法对所提取出的特征点进行聚类，最后输出各个聚类中特征点个数，主要是K-means处理特征点的代码。

使用Matlab实现k均值(kmeans)算法，免积分下载。解压密码：http://blog.csdn.net/jliuj/article/details/40393017

k均值K-means算法案例，包括K=2和肘部法则及图形展示

关联规则和聚类分析是数据挖掘中重要的研究课题。通过对关联规则挖掘算法Apriori算法进行分析与研究，指出了其在实用中存在的两个主要问题。鉴于此，在分析聚类分析和关联规则两种挖掘算法的基础上，讨论了将这两种独立的挖掘方法集成起来的联合挖掘，使其可以有效地压缩数据规模。给出了聚类后的关联规则快速更新算法描述。实验结果表明，算法性能优良，提高了数据挖掘执行效率。

k-means算法应用VOC格式数据集，项目由python书写，因此要求含有python环境。使用方法见博客

提供原数据，可直接运行，有中文注释，提供出图代码

k-means算法数据集，有1000个二维的数据集，采用python代码编写，用最底层代码编写实现k-means聚类，文中分为四个聚类中心点，有助初学者理解，编写调试

模糊c均值（FCM）聚类算法已广泛应用于许多医学图像分割中。 但是，由于不考虑空间信息，因此常规的标准FCM算法对噪声敏感。 为了克服上述问题，提出了一种新颖的改进的FCM算法（以后称为FCM-AWA）用于图像分割。 该算法是通过修改常规FCM算法中的目标函数，即通过将空间邻域信息合并到标准FCM算法中来实现的。 给出了自适应加权平均（AWA）滤波器以指示相邻像素对中心像素的空间影响。 在实施加权平均图像时，通过预定义的非线性函数自动确定控制模板（邻居寡妇）的参数（加权系数）。 该算法既适用于人工合成图像，又适用于真实图像。 此外，使用基于算法的分割方法对牙菌斑进行了定量分析。 实验结果表明，与标准FCM算法和另一种FCM算法（由Ahmed提出）相比，该算法对噪声的鲁棒性更高。 此外，使用所提出的方法对牙菌斑进行定量的结果表明，FCM-AWA提供了一种定量，客观和有效的牙菌斑分析方法，具有广阔的前景。

This paper proposes TW-k-means, an automated two-level variable weighting clustering algorithm for multiview data, which can simultaneously compute weights for views and individual variables. In this algorithm, a view weight is assigned to each view to identify the compactness of the view and a variable weight is also assigned to each variable in the view to identify the importance of the variable. Both view weights and variable weights are used in the distance function to determine the clusters