k-mean动态均值算法的c++实现

使用C#实现的k均值聚类算法例子（Winform）

K-Means动态聚类算法源程序, KMEANS.CPP

JAVA Implementation of K-means Clustering Algorithm for Data Mining

初始聚类中心给定。K均值聚类算法首先是聚类算法。K均值算法是一种简单的迭代型聚类算法，采用距离作为相似性指标，从而发现给定数据集中的K个类，且每个类的中心是根据类中所有值的均值得到，每个类用聚类中心来

简单的讲解了C均值聚类方法的思想和步骤，相对C均值有初步了解的朋友可以看一下，如果要很好的掌握的话，推荐看谢中华老师写的《MATLAB统计分析与应用》

此为由C语言编写的k-mean和isodata算法。

k-means算法是一种基于样本间相似性度量的间接聚类方法。此算法以k为参数，把n 个对象分为k个簇，以使簇内具有较高的相似度，而且簇间的相似度较低。相似度的计算根据一个簇中对象的平均值来进行。此算法

K nearest neighbor algorithm c/c++

K-means聚类算法的C++实现，包含分词器，可以进行多关键词的聚类

首先产生100个大于-20小于50的随机数,存于数组X[100]中。然后产生三个不相同的初始聚类中心存在W[3]中,算出每个样本离哪个聚类中心最近就将对应的系数1存入d[i][j]中i为对应的类,j为