matlab中存档算法代码FRMVK Matlab实现的一种减少特征的多视图K均值聚类算法 数据集 图像分割（IS）数据集包含7个室外图像的2310个实例。 这七个室外图像是Brickface，Sky，Foliage，Cement，Window，Path和Grass。 每个图像由两个不同的视图表示：形状信息的9个特征和RGB颜色模型的10个特征。 来源 引用 在您的研究工作中使用该代码时，请引述Miin-Shen Yang和Kristina P. Sinaga的“一种减少特征的多视图k均值聚类算法” @article {yang2019功能， title = {一种减少特征的多视图k均值聚类算法}， author = {Yang，Miin-Shen and Sinaga，Kristina P}， journal = {IEEE Access}， 音量= {7}， pages = {114472--114486}， 年= {2019}， 发布者= {IEEE} } 致谢 这项工作在台湾科学技术部的MOST 107-2118-M-033-002-MY2资助下得到了支持

在解决组合测试中的测试数据集生成问题时，粒子群优化算法(PSO)在待测数据量增加达到一定程度以后，出现迭代次数增加、收敛速度减慢的缺点。针对该问题，提出了一种应用于组合测试数据集生成问题的基于K-均值聚类的粒子群优化算法。通过对测试数据集合进行聚类分区域，增强测试数据集的多态性，从而对粒子群优化算法进行改进，增加各个区域内粒子之间的影响力。典型案例实验表明该方法在保证覆盖度的情况下具有一定的优势和特点。

将模糊集理论和k-means聚类联系起来，设计了模糊k-means聚类算法，其聚类效果比单纯的k-means要好。

本资源用C/C++实现了K均值聚类，里面有具体代码，且有详细注释。并且给输了每次迭代的聚类中心。

K均值聚类算法 ，可以用于多类别的数据分类，比如mnist的

：将核学习方法的思想应用于K-均值聚类中，提出了一种核K-均值聚类算法，算法的主要思想是：首先将原空间中待聚类的样本经过 一个非线性映射，映射到一个高维的核空间中，突出各类样本之间的特征差异，然后在这个核空间中进行K-均值聚类。同时还将一种新的核 函数应用于核K-均值聚类中以提高算法的速度。为了验证算法的有效性，分别利用人工和实际数据进行K-均值聚类和核K-均值聚类，实验结 果显示对于一些特殊的类分布数据，核K-均值聚类比K-均值聚类具有更好的聚类效果

模糊C均值聚类，包含200名用户RFM真实行为数据表格，本案例通过模糊C均值聚类，将200名用户聚类成所设定类别数目，通过指定迭代次数，查找cluster_table变量查看用户所属类别

k-means 聚类用于图像压缩。 在这个 matlab 程序中，特征向量只是图像中 NXN 非重叠像素块。 与标量量化器一样，矢量量化器具有称为码向量的量化级别，而 K 个此类码向量的集合称为大小为 K 的码本。 K-means 聚类是一个迭代过程，其中通过计算属于各个聚类的输入向量的质心，在每个阶段对代码向量进行细化。

K-MEANS(K均值聚类算法,C均值算法) K-MEANS(K均值聚类算法,C均值算法) K-MEANS(K均值聚类算法,C均值算法)

模式识别课程学习，自己编写的matlab的K均值聚类算法，简答易懂。