国家援助的聚类分析 聚类 国际帮助非政府组织是一个国际人道主义非政府组织，致力于在贫困和自然灾害期间与贫困作斗争，并为落后国家的人民提供基本的便利和救济。 它不时运行许多运营项目，并开展宣传活动以提高知名度和筹集资金。 经过最近的资助计划，他们已经能够筹集到大约1000万美元。 现在，非政府组织的首席执行官需要决定如何从战略上有效地使用这笔钱。 做出此决定时出现的重大问题主要与选择急需援助的国家有关。 这就是您成为数据分析师的地方。 您的工作是使用决定国家总体发展的一些社会经济和健康因素对国家进行分类。 然后，您需要建议首席执行官最需要关注的国家。

基于主成分分析和聚类分析对乐山各县区的教育水平综合评价

GSDMM：短文本聚类 该项目为的Dirichlet混合模型实现了Gibbs采样算法，用于短文本文档的聚类。 该算法的一些优点： 它只需要集群数的上限K 通过良好的参数选择，模型可以快速收敛 空间高效且可扩展 该项目是GSDMM的易于阅读的参考实现，除非有需求，否则我不打算维护它。 不过，我积极维护更快锈版本GSDMM的。 电影组过程 在他们的论文中，作者介绍了一个简单的概念模型来解释GSDMM，称为电影组过程。 想象一下一位教授正在领导一个电影课。 在课程开始时，将学生随机分配到K表。 在上课之前，学生会列出自己喜欢的电影。 教授反复朗读班级角色。 每次调用学生姓名时，学生必须选择一个

实现K均值聚类，并将结果进行可视化。灰色“+”代表均值中心；黑色“。”代表簇内部的数据点；彩色“。”代表簇边界的数据点，不同的颜色代表不同的簇（由于颜色有限，簇过多时存在颜色重复）

提出一种半监督聚类算法,该算法在用seeds集初始化聚类中心前,利用半监督分类方法Tri-training的迭代训练过程对无标记数据进行标记,并加入seeds集以扩大规模;同时,在Tri-training训练过程中结合基于最近邻规则的Depuration数据剪辑技术对seeds集扩大过程中产生的误标记噪声数据进行修正、净化,以提高seeds集质量.实验结果表明,所提出的基于Tri-training和数据剪辑的DE-Tri-training半监督聚类新算法能够有效改善seeds集对聚类中心的初始化效果,提高聚类性能.

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