数据挖掘 常用聚类算法 源码

K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似

对k-means聚类算法进行了改进，改变了原始随机选取样本点的缺点。

KMEANS算法为非监督分类算法，比较基础

聚类算法111111

快速聚类算法论文。该论文结合模拟退火算法和聚类算法展开论述。

本资源描述了层次聚类算法的分析和用途，也提出了改进的方法

AP算法对噪声不敏感且不用提前预知类别数

这是一篇关于聚类算法的综述性的文章，着重研究了基于划分的聚类算法

数据挖掘算法 以及相关的改进算法 初学者可以看看

mahout聚类算法的介绍,例如：Canopy，KMeans，Fuzzy-KMeans,Spectral Clustering等参数介绍和适用场景介绍