l*a*b通道k-means聚类算法

优化初始聚类中心的K_means算法用于K-MEANS算法的改进

K-means digital clustering algorithm written in java

Python interface GUI implements k-means clustering algorithm

用c语言实现的k-means算法本例子是用k-means算法来处理一些有关基因的数据，对上千个八维向量进行聚类分组

K-means算法实现。K-means聚类也是找来的。。。

用 c 代码实现了 k-均值和 Isodata 聚类算法的实现。输入数据为 Iris，输出分类结果。

K-means聚类算法是一种基于距离度量的无监督机器学习方法，通过将数据点分配到离它们最近的聚类中心来进行聚类。本文将介绍K-means聚类算法的原理和步骤，并提供Python代码实现和实验分析。在代

对MySQL数据库中某个表的某个字段执行k-means算法,将处理后的数据写入新表中。

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。

k-means 算法接受参数 k ；然后将事先输入的n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所