hadoop实现聚类算法 利用MapReduce框架和HDFS来实现快速聚类

FCM聚类算法介绍 FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分

利用因子分析方法研究六种化学元素(即六个变量)之间的相关性，得到因子得分，将因子得分作为新变量。用聚类分析方法对六块火山岩标本分类，进而对六种区域火山岩的元素含量情况作出较好的判断．

该软件包包含： 1. ParallelTEDAClustering.m - 并行计算TEDA聚类算法源码； 2. demo.m - 演示 参考： Gu X.、Angelov PP、Gutierrez G.、Iglesias JA、Sanchis A. (2017) 用于高频流数据聚类的并行计算 TEDA。 见：Angelov P.、Manolopoulos Y.、Iliadis L.、Roy A.、Vellasco M.（编辑）大数据进展。 INNS 2016。智能系统和计算的进展，第 529 卷。Springer, Cham 如果此代码有帮助，请使用以上参考文献引用此算法。 如对代码有任何疑问，请联系Plamen P. Angelov教授（p.angelov@lancaster.ac.uk）和顾晓伟博士（x.gu3@lancaster.ac.uk） 顾晓伟编程

大规模数据聚类的基于随机梯度下降的K-Means算法

自组织神经网络和K-means聚类算法的比较分析，徐步云，倪禾，本文主要是研究自组织神经网络作为一种具有拓扑限制的，以特征提取为主要手段的聚类算法，并与传统的K-means算法进行比较分析，并��

针对传统协同过滤（CF）推荐算法存在评分矩阵稀疏、扩展性弱和推荐准确率低的缺陷，提出一种改进模糊划分聚类的协同过滤推荐算法（GIFP-CCF ）。在传统基于修正余弦相似度计算方法上，引入时间差因子、热门物品权重因子以及冷门物品权重因子以改善相似度计算结果；同时引入改进模糊划分的GIFP-FCM算法，将属性特征相似的项目聚成一类，构造索引矩阵，同索引间根据项目间的相似度寻找项目最近邻居构成推荐，从而提高协同过滤算法（CF）的精度。通过与Kmeans-CF、FCM-CF和GIFP-CCF算法进行仿真对比实验，证明了GIFP-CCF 算法在推荐结果和推荐精度上具有一定的优越性。

数学建模 摘要：该文采用模糊聚类分析的方法对 DNA序列进行分类。首先从 DNA序列中单个碱基分布的“密度”角度出发，提取出 DNA序列的特征，然后用模糊聚类分析中常用的方法对 DNA序列进行分类。该文运用自行研制开发的集成 11种模糊聚类 分析算法的模糊聚类分析运算工具，首先对已知的1—20个DNA序列进行模糊聚类分析，根据分类结果的精度，找出了较优 的6种聚类分析算法，然后用余下的21—4O个 DNA序列进行分类；最后，本文一次对所有的1—40个 DNA序列进行归类， 并综合了所有的分类结果，将难以归类的 DNA序列进行了归类。分析结果表明，模糊聚类分析算法具有分类简单且分类结 果精度较高的优点。 关键词：模糊聚类分析法；相关系数法；序列；碱基密度 中图分类号：TB115 文献标识码：A

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