像素聚类区域成长法－－ 顾名思义，此方法从一个种子像素开始，通过如平均灰度，组织纹理及色彩等性质的判断，将具有类似性质的像素逐一纳入所考虑的区域中，使此区域由种子逐渐成长成一个性质相似的图像区块。-

完整代码，可直接运行

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：。

https://blog.csdn.net/weixin_46098577/article/details/116129817

从txt读取样本数据（坐标点），通过计算样本之间的距离，选取最小值进行合并。以样本数据的平均值作为该样本的质点。输出结果为txt。

Sparse Subspace Clustering基于人脸分割的子空间聚类的原始代码。

稀疏子空间聚类算法的Python实现 稀疏子空间聚类是一种基于稀疏表示理论的技术的子空间聚类算法。 有关更多信息，请参见。 此实现基于提供的 。 要求-numpy，scipy，sklearn，cvxpy。 经过Python 3测试。 可以从安装cvxpy python软件包。 从SSC.py开始探索。 此文件中的SSC_test()方法提供了子空间群集的基本示例。 运行： python SSC.py 注意：此代码已投入大量精力。 如果您决定使用此代码，我非常感谢的电子邮件。

k-means聚类算法及matlab代码目录 介绍 K-均值聚类是一种简单且可扩展的聚类方法，它以一种客观的方式将观察结果划分为k个聚类。 它具有非常广泛的应用，例如图像分割，零售产品分类（Kusrini，2015），温室气体排放等环境问题（Kijewska和Bluszcz，2015）。 K均值聚类可以与其他高级方法结合使用。 例如，它与支持向量机（SVM）一起使用来执行自动文本分类（Perrone和Connell，2000年）。 它也可以用作预处理方法，例如在隐马尔可夫模型（HMM）中初始化（Hu和Zanibbi，2011年）。 它的广泛应用和简单的计算复杂度使k-means聚类成为当今流行的方法之一。 当维数d> 1且簇数k> 1时，找到k均值成本函数的最小值是一个NP难题。 科学家想出了几种启发式方法来找到局部最小值，但是该过程仍然需要大量计算，尤其是对于具有高维特征的大型数据集而言。 因此，我们希望在机器集群上实现k-means启发式方法的并行版本，以在不牺牲算法准确性的情况下显着加快算法的运行速度。 k均值聚类的典型方法是期望最大化（EM）。 E步将点分配到最近的聚类中心，而

深度集群：方法和实现 调查文件 会议 代码 IEEE访问2018 Arxiv 2018 预印纸 方法 会议 代码 香料 Arxiv 2021 DHOG 2020年Arxiv -- CLD 2020年Arxiv 混合 2020年Arxiv IFCA 2020年Arxiv -- Arxiv 2019 -- Arxiv 2019 DCC Arxiv 2018 优雅 Arxiv 2017 MIXAE Arxiv 2017 DBC Arxiv 2017 DCN 2016年Arxiv CPAC Arxiv 2018 DTC Arxiv 2018 刚果民主共和国 2020年Arxiv 纸 方法 会议 代码 东京都 ECCV 2020 RUC CVPR 2021 -- IJCNN 2020 -- 聚氯乙烯 ICLR 2021 GATCluster ECCV 2020 DC