优化初始聚类中心的K_means算法

本文件里面含有k-means聚类的代码，代码是本人一个一个敲的，并对相应的照片进行聚类分析，将图像中的相似的区域进行聚类。

K_means聚类算法的研究

在传统的k-means聚类算法中，聚类结果会随着初始聚类中心点的不同而波动，针对这个确定，提出一种优化初始聚类中心的算法。

Kmeans聚类算法研究综述详细介绍了Kmeans聚类算法

该程序使用C++写的一个k-means聚类算法，对于学习聚类具有很强的参考价值。

比较简单的聚类，适合初学者，标注清晰，内容简单。希望学习愉快

这个资源是一个拥有完整代码与测试数据的k-means算法文件，集原始算法与改进算法于一个程序，通过选择不同的标签号来使用算法，能完整运行，效果很好，希望对大家有帮助！

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 clustering algorithm

C++编写的文本聚类算法K-means算法可以执行

本程序基于K_means聚类算法，用C#进行编码，对城市坐标进行了编码。代码比较清晰，利于初学者学习！

摘要:传统的K-means算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动,针对K-means算法存在的问题,提出了基于密度的改进的K-means算法,该算法采取聚类对象分布密度方法来确定初始聚

改文献针对传统k—means算法对初始聚类中心敏感的问题，提出了基于数据样本分布选取初始聚类中心的改进k．means算法。该算法利用贪心思想构建K个数据集合，集合的大小与数据的实际分布密切相关，集合中

传统的K-means算法随机选取初始聚类中心，聚类结果不稳定，容易陷入局部最优解。针对聚类中心的敏感性，提出一种优化初始聚类中心的K-means算法。此算法利用数据集样本的分布特征计算样本点的密度并进

传统的K-Means算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动,针对K-Means算法存在的问题,提出了基于密度的改进的K-Mans算法。