kmeans算法并行化

KMeans的java实现,配有简单的数据实例,代码可用。

K-means聚类算法是一种迭代求解的聚类分析算法,其步骤是随机选取K个对象作为初始的聚类中心,然后计算每个对象与各个种子聚类中心之间的距离,把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它

根据网上资源自己整理的C++代码，代码有注释，结构清晰易读，有测试代码，带测试数据。并附带可执行程序，你值得拥有。自己也可轻易建工程运行，不依赖任何第三方库。

基于Hadoop的Kmeans算法实现：Kmeans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。该算法认为簇是由距离靠近的对象组成的，因此

kmeans和IOSDATA算法matlab程序； 具有超级详细的程序说明； 你值得拥有

kmeans算法C语言版，实测可以运行，方便大家下载。

hadoop分布式环境下的kmeans算法实现,hadoop下的kmeans算法实现.

主要是添加了Kmeans和Kmedoids算法的java实现。

3种K-MEANS算法解决图像分割问题k-m1:将rgb图像进行图像分割k-m2：将灰度图像进行图像分割simple：简化程序k-mean：聚类函数houghbh：霍夫变换by：边缘检测记得更改程序内

K-MEANS(K均值聚类算法_C均值算法).