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

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