基于模拟退火的聚类算法及实现方法 文档超详细介绍 文档有流程图和MATLAB编写的实现代码

redDreamDigging 对红楼梦文本进行挖掘，实现字，章的统计，实现章节聚类

当数据的种类很多事，如何进行快速聚类处理？本文介绍了一种快速算法

meanshift_matlab MATLAB / Octave的均值漂移聚类实现的开源实现。 这是在MATLAB File Exchange中显示的meanshift实现的改进版本。 增加了对任意内核的支持。 版权所有2015 Han Gong ，东英吉利大学 版权所有2006 Bryan Feldman 参考： 福永，庆之助和拉里·D·霍斯特特勒。 “密度函数梯度的估计及其在模式识别中的应用。” 信息论，IEEE Transactions on 21.1（1975）：32-40。 MATLAB /八度代码：演示请参见demo.m。 结果：

基于matlab点云工具箱对点云进行处理二：对点云进行欧式聚类，获得聚类后点云簇的外接矩形.rar

基于matlab点云工具箱对点云进行处理三：对点云进行欧式聚类，使用三角剖分处理后获取点云簇的外接凸多边形.rar

基于matlab点云工具箱对点云进行处理四：对点云进行欧式聚类，并获得包围点云簇的外接凹多边形.rar

总结评述了K-means 聚类算法的研究现状，指出K-means 聚类算法是一个NP难优化问题，无法获得全局最优。介绍了K-means 聚类算法的目标函数、算法流程，并列举了一个实例，指出了数据子集的数目K、初始聚类中心选取、相似性度量和距离矩阵为K-means聚类算法的3个基本参数。总结了K-means聚类算法存在的问题及其改进算法，指出了K-means聚类的进一步研究方向。

kmeans聚类算法，C++实现，vs控制台

本文为大家分享了Python机器学习之K-Means聚类的实现代码，供大家参考，具体内容如下 1.K-Means聚类原理 K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。其基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。 算法大致流程为：（1）随机选取k个点作为种子点(这k个点不一定属于数据集)；（2）分别计算每个数据点到k个种子点的距离，离哪个种子点最近，就属于哪类；（3）重新计算k个种子