层次聚类算法描述

R中的均值漂移聚类算法 在Iris数据库中应用均值漂移模型（msClustering），使用绘图库以图形方式显示此算法中生成的聚类。 与Kmeans（K平均值）不同，我们没有定义聚类的数量，该算法处理这种分类。

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

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。