K均值聚类算法初始质心选择的改进

基于改进k-均值聚类的快速分形编码算法，石彦伟，盛立东，针对目前分形图像压缩存在的编码时间过长问题，提出了基于改进k-均值聚类的分形编码算法。聚类过程中结合图象的纹理特征，采用了�

优化初始聚类中心的K_means算法用于K-MEANS算法的改进

K-means clustering (K-MEAN).rar

本源代码是用c++编写的c均值聚类算法，非常基础的编程，值得一看

改进的K-means聚类算法初始聚类中心确定，采用matlab实现，2016a的matlab，直接打开文件、添加路径就可以使用了。

K—means算法是一种重要的聚类算法，在网络信息处理领域有着广泛的应用．由于该终止于一个局部最优状态，所以初始类中心点的选择会在很大程度上影响其聚类效果。这里提出了一种K—means算法的改进算法，

基于聚类数和初始值的K_means算法改进研究

针对模糊C-均值聚类算法分割图像时容易产生模糊边缘的缺点,提出了一种结合图像梯度和模糊C-均值聚类的图像分割方法。该方法利用图像梯度反映出来的目标边界,对由模糊C-均值聚类所获得的聚类区域进行分割,把

传统的数字签名方案存在证书的存储和管理开销大的问题，基于身份的数字签名方案无法解决其固有的密钥托管问题，而无证书签名方案不需使用公钥证书，而且没有密钥托管问题，是目前的一个研究热点。基于双线性映射设计

改进的模糊C_均值聚类算法研究 有关聚类算法的研究，刊载