基于遗传算法的K_MEANS聚类改进研究

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

VC实现的K-Means动态聚类算法源程序，可以学习学习

基于K-means的文本聚类算法，可以设置聚类的族、停用词。自动将相似词分为一类。用java语言编写的。

java程序，通过给定的源数据，通过k-means实现聚类，有界面。

k-means 聚类算法思想先随机选择k个聚类中心，把集合里的元素与最近的聚类中心聚为一类，得到一次聚类，再把每一个类的均值作为新的聚类中心重新聚类，迭代n次得到最终结果分步解析首先随机选择集合里的一

针对聚类算法在实现的过程中需要预先设定最终聚类数目的问题,提出了基于同类全部样本的类内紧密度和类间离差度的一种新聚类有效性指标,通过该指标能够有效地确定数据集的最佳聚类簇数。在确定最佳聚类数的过程中采

有关k_means算法研究综述的一篇论文。

matlab写成的K_means算法，经典简单，注释明确，适合初学者，其中还附带了EM算法

K_means算法使用c语言和matlab实现K_means算法适合初学者

一种K-Means聚类的增加型算法，消除了K-Means算法进行聚类的不确定性。