局域均值分解(LMD)方法是一种新的自适应信号处理方法，Teager能量算子是求解信号瞬时能量的非线性操作算法，能有效提取信号的瞬时能量。结合这两种方法的优点，提出一种基于LMD-Teager 变换的功率谱估计方法，给出了算法原理和步骤，讨论了功率谱估计的物理意义，并在与快速傅里叶变换(FFT)方法、小波变换对比的基础上，用短数据序列和非平稳信号进行了仿真验证。结果表明：该方法突破了FFT 方法中对所分析的信号必须平稳的要求，更适合于非平稳信号的处理；且对数据长度的要求较傅里叶方法低，而其分析精度和分辨率优于传统的傅氏方法和小波变换。

基于cv2进行等间隔采样和局部均值的图像缩缩放（python版本） 下载后安装cv2包编程即可实现！操作简单！

Kmeans聚类分析+python代码

基于stm32f103的多路ADC采集，将采集的电压传入到DMA设定的内存中，在通过均值滤波得到比较准确的数据

基于 K 均值聚类模式识别系统的设计与实现.pdf基于 K 均值聚类模式识别系统的设计与实现.pdf基于 K 均值聚类模式识别系统的设计与实现.pdf

均值漂移聚类matlab代码使用从卷积自动编码器中学到的功能进行无监督图像分割 通过训练深度卷积自动编码器，已经从图像中学到了一些有用的功能。 我们使用PCA进行了特征变换。 最后，采用均值漂移聚类算法以无监督的方式对图像进行分割。 EDISON分割：基于EDISON工具箱的图像分割 均值漂移马替代方案：Weizmann马数据集下均值漂移聚类的替代试验 Training BSDS500 ：BSDS 500数据集下的培训网络代码 训练马：Weizmann马数据集下的训练网络代码 可视化PCA功能：可视化PCA转换后的功能 替补：计算图像分割的BSDS测试分数 EDISON matlab接口：用于均值漂移聚类的matlab包装器

针对机床主轴热误差补偿过程中现有建模方法的不足，提出一种新的热误差建模算法。首先应用FCM（模糊C-均值聚类）算法将众多温度测点予以分类，减少测点数量，提高测量精度；其次应用GCA（灰色关联分析）算法对同类测点的热敏感度进行排序，选出该类中的关键测点；最后以优选出的测点为输入变量，以热位移为输出变量，利用ANFIS进行热误差模型设计，并与BP算法建立的模型进行了比较。实验数据表明，该方法降低了机床热误差，具有预测精度高的优点，能较好地实现机床主轴热误差的补偿。

IWO-Kmeans侵入性杂草优化K均值聚类算法（Matlab） 入侵杂草优化算法是一种模拟自然界杂草殖民过程的一种新型智能优化方法，具有结构简单、参数少、鲁棒性强、易于理解和易于编程等特点，目前，入侵杂草优化算法已被成功应用到许多领域。但该算法本身也存在着易陷入局部最优，后期寻优精度不高等缺陷，大大地限制了入侵杂草优化算法的应用范围。针对入侵杂草优化算法存在的寻优精度不高和早熟现象，提出了利用杂草算法的种群多样性进行全局搜索，同时用复合形的反射、延伸、压缩等运算产生一个新解替代当前种群中最差的个体来进行局部搜索，可有效地避免算法早熟现象，同时提高了算法的寻优精度，增加算法的收敛速度。 IWO-Kmeans侵入性杂草优化K均值聚类算法（Matlab） IWO-Kmeans侵入性杂草优化K均值聚类算法（Matlab） IWO-Kmeans侵入性杂草优化K均值聚类算法（Matlab）

实现几何均值分解，应用在MIMO系统中实现于预编码

将数据集转换为拉普拉斯矩阵，然后利用基于图论的谱聚类进行聚类。拉普拉斯矩阵采用高斯核函数，全连接方法计算。谱聚类擅长处理高维数据或非凸数据集。