一种基于聚类的个人信用评估分类模型，陈新泉，，本文先介绍了个人信用评估的概念及评估模型大致的发展历程，从而很自然地得出采用数据挖掘的方法与技术来建立信用评估模型是一个

基于LDA模型的新闻话题分类研究，适合数据挖掘，分析。

3、自组织映射聚类(SOM) 自组织映射聚类(Self-Organizing Map, SOM)，是由T.Konohen 于1980 年提出的模型，属于非监督学习的神经网络聚类，与K-means 相似，采用SOM 聚类算法之前，也要首先估计出想要得到的类的个数。在SOM 神经网络中，输出层的神经元是以列阵的方式排列于一维或二维的空间中的。根据当前输入向量与神经元的竞争，利用欧氏距离，寻找最短距离当作最有效神经元，以求得调整向量神经元的机会，而其他神经元也可以彼此学习。而最后的神经元就可以根据输入向量的特征，以拓扑结构展现于输出空间中。

深大计软_最优化方法_实验1：K-Means聚类之Python实现手写数字图像MNIST分类

利用meanshift 方法进行聚类分类，能够实现数据点分类，并以“+”展示数据中心，给各个簇以不同颜色区分。

二维人工数据集：6个 数据 xxx.txt 标签 xxx_cl.txt UCI真实数据集：10个 数据 xxx.txt 标签 xxx_label.txt

该数据集包含遮挡和未遮挡两部分AR数据库mat格式，格式大小为32*32，共100个人，男人女人各50人， 每人13张。

该文章首先对数据挖掘方法、过程进行概述，同时以银行卡数据挖掘为事例，对客户细分，客户价值等进行挖掘分析，比较详细为银行卡数据研究提供参考。

图像分割是计算机视觉领域重要和基础性的问题，也是颇具挑战性的任务。为了解该问题的研究现状、存在问题及发展前景，在广泛调研现有文献和最新成果的基础上，针对2000年之后主流的图像分割方法进行了研究，将之分为四类：基于图论的方法、基于聚类的方法、基于分类的方法以及结合聚类和分类的方法，对每类方法所包含的典型算法，尤其是该领域最近几年发表的最新文章的基本思想、优缺点进行介绍和分析。最后介绍了图像分割常用的基准数据集和算法评价指标，对比各种算法并总结全文，对未来可能的发展趋势进行了展望。

用于对图像实现分类的代码，效果不错，可以实现