本代码适用于MATLAB环境下的遥感影像分类、K均值聚类等

性能指数聚类国家 根据各种绩效指标使用K均值聚类对国家进行分组

D3.js中k均值聚类算法的可视化 ================================================== ========== k均值聚类是一种矢量量化方法，最初来自信号处理，在数据挖掘的聚类分析中很流行。 k均值聚类旨在将n个观察值划分为k个聚类，其中每个观察值均属于具有最均值的聚类，作为聚类的原型。 这导致将数据空间划分为Voronoi单元。 资料来源： 在查看实际的算法。 源代码布局 media\ media files kmeans.css CSS stylesheet index.html webpage demonstrating the algorithm kmeans.js JavaScript file with the source code for the algor

模糊C均值聚类分割算法，经测试分割效果良好，载入图像数据，直接调用即可

som matlab代码K均值聚类 Matlab中的K均值聚类算法在本节中，目的是在Matlab中使用聚类算法，并发现自组织图（SOM）神经网络如何将虹膜花朵拓扑分类成类，从而提供对花朵类型的深入了解和有用的工具进行进一步分析。 自组织图神经网络可以将鸢尾花按拓扑分类成类，从而提供对花朵类型的深入了解以及进一步分析的有用工具。 SOM是（1）竞争性学习人工神经网络（ANN）（2）地图的每个单元都减少相同的输入。 （3）单元竞争选择（4）修改所选节点及其邻居。 文件中包含用于检测人脸的matlab代码。

摘  要： 使用Intel Parallel Amplifier高性能工具，针对模糊C均值聚类算法在多核平台的性能问题，找出串行程序的热点和并发性，提出并行化设计方案。基于Intel并行库TBB（线程构建模块）和OpenMP运行时库函数，对多核平台下的串行程序进行循环并行化和任务分配的并行化设计。 　　并行性主要是指同时性或并发性，并行处理是指对一种相对于串行处理的处理方式，它着重开发计算过程中存在的并发事件。并行性通常划分为作业级、任务级、例行程序或子程序级、循环和迭代级以及语句和指令级。作业级的层次高，并行处理粒度粗。粗粒度开并行性开发主要采用MIMD方式，而细粒度并行性开发则主要采用SI

提出了一种快速且鲁棒的模糊c-means聚类算法，即FRFCM。 FRFCM 能够分割灰度和彩色图像并提供出色的分割结果。

图像模糊matlab代码CGFFCM-Cluster-weight-and-Group-local-Feature-weight-learning-in-Fuzzy-C-Means-clustering-algorithm Source_Code 文件包含 CGFFCM 算法的 MATLAB 实现，如下所述： A.Golzari oskouei、M.Hashemzadeh、B.Asheghi 和 M.Balafar，“CGFFCM：用于彩色图像分割的模糊 C 均值聚类算法中的聚类权重和组局部特征权重学习”，应用软计算，2021 （提交）。 为算法的所有步骤编写注释以更好地理解代码。 此外，为了便于运行，还实现了一个演示，它是通过导入数据和其他必要的算法参数来运行的。 为了评估所提出算法的性能，我们使用基准伯克利数据集。 上传的文件（Test_Dataset.rar）中有这个数据集的一些图片。 整个数据集可在：。

基本ML算法 最近邻居 逻辑回归 线性回归 朴素贝叶斯 K均值聚类

文献节选翻译。文献原名：Constrained K-means Clustering with Background Knowledge