可以做图像分割,数据挖掘,目前,针对K-Means算法研究及应用,尤其是在文本聚类挖掘层面的应用研究越来越多。K-means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
1、概述 本篇博文为数据挖掘算法系列的第一篇。现在对于Kmeans算法进行简单的介绍,Kmeans算法是属于无监督的学习的算法,并且是最基本、最简单的一种基于距离的聚类算法。 下面简单说一下Kmean
数据挖掘小作业 ,用kmeans算法实现了一个简单的分类器。作业要求在压缩包里有。程序是用C++写的。共聚10个类,初始点的选择和属性权值的计算采用了压缩包里paper里的一篇论文里的方法。
支持任意维度,任意多组向量,聚合为任意类。当向量数过多时,需要将编译器的堆栈大小设置为你所需要的值,否则会存在堆栈溢出的情况。程序中存在很多被注释的输出语句,去掉注释就可以看到更完整的输出信息。
一个简单的K-means文本聚类Java实现,可以让你了解怎样去实现一个自己的文本聚类方法
使用K-means算法思想对于从欣欣旅游网上爬下来的文本数据进行分类的一次实验。
在 opencv 中实现 kmeans 聚类算法,可以实现对单张图像的聚类。将 ncluster 设置为 2,即实现类似于二值的函数。
使用遗传算法来优化kmeans聚类的目标函数. 参考文献:http://www.biomedcentral.com/1471-2105/5/172
k-means聚类算法的java实现描述
kmeans聚类算法的python实现程序Ch10├── Portland.png├── kMeans.py├── kMeans.pyc├── places.txt├── portlandClubs.