使用Kmeans分类算法，为各国体育水平分类。 体育竞赛数据使用1988年至2012年奥运会奖牌数据 一枚金牌得5分 一枚银牌得3分 一枚铜牌得1分 德国和俄罗斯比较特殊，东西德统一前，他们各自参赛，终究是一个民族，因此将他们的奖牌数量做了合并处理，所有的苏联数据都视为俄罗斯，因为很难查阅资料区分出哪些苏联得的奖牌是俄罗斯贡献的 最终的结果是： 第一集团：美国，俄罗斯，中国，德国 第二集团：澳大利亚，英国，法国，韩国，意大利，日本，匈牙利，古巴，罗马尼亚，荷兰，西班牙，乌克兰，加拿大 第三集团：好多好多，不一一列举 通过过去7届奥运会的比赛成绩来看，我们伟大的祖国处在奥运强国的第一阵营

Rodriguez A, Laio A. Clustering by fast search and find of density peaks[J]. Science, 2014, 344(6191): 1492-1496.基于这篇文章实现的最基本的密度聚类的算法，具体请看我博客中的相关文章http://blog.csdn.net/kryolith/article/details/39832573

算法思想：提取文档的TF/IDF权重，然后用余弦定理计算两个多维向量的距离来计算两篇文档的相似度，用标准的k-means算法就可以实现文本聚类。源码为java实现

kmeans聚类java实现附测试数据及结果

Fast Subspace Clustering via Sparse Representations 利用系数表示做快速子空间聚类matlabd代码 优于SSC

轨迹聚类算法，先划分，后聚类，聚类算法是改进的DB-Scan;linux 编译，里面有Makefile

具有图形界面，支持界面画点和随机生成散点，界面较友好

一个简单的利用灰度信息做分割的svm代码，自己在研究生学习中琢磨出来的

代码包含三个聚类分析常用的外部评价指标：调整兰德指数（ARI），标准化互信息（NMI），准确度（AC）。

Sparse subspace clustering_ algorithm, theory, and applications文章的源代码。