论文研究基于仿射传播聚类的Kmeans算法优化 .pdf

kmeans均值聚类算法程序,用matlab实现,具有一定参考价值

Kmeans聚类可以支持2D和3D数据的处理，可以清晰观测聚类中心的移动过程，可以自选K的大小。

多维kmeans聚类，有数据例程，有轮廓系数评价聚类效果

文中详细地对近邻传播聚类算法的基本理论概念进行了阐释，并通过案例予以验证。

一种用于微博聚类的K-means改进算法，张帅，，随着信息技术的不断发展，出现了许多新型的信息媒介，微博就是其中之一。由于微博所具有的许多特性，对微博内容分析挖掘的重要性

针对K-means聚类算法受初始类中心影响，聚类结果容易陷入局部最优导致聚类准确率较低的问题，提出了一种基于自适应布谷鸟搜索的K-means聚类改进算法，并利用MapReduce编程模型实现了改进算法

传统K-means算法对初始聚类中心选择较敏感，结果有可能收敛于一般次优解，为些提出一种结合双粒子群和K-means的混合文本聚类算法。设计了自调整惯性权值策略，根据最优适应度值的变化率动态调整惯性权

提出了一种基于近邻传播的半监督聚类算法的并行算法PSAP，给出了约束的转换过程并结合实例进行说明。在UCI数据集上的实验表明：PSAP算法的运行时间约为SAP算法运行时间的1/8~1/4，聚类结果同时

针对FCM（FuzzyC-Means）算法对于初始聚类中心敏感，并只适合于发现球状类型簇的缺陷，提出采用冗余聚类中心初始化的方法降低算法对初始聚类中心的依赖，并先暂时将大簇或者延伸形状的簇分割成用多个

在PSO聚类算法的基础上，提出了基于量子行为的微粒群优化算法（QPSO）的数据聚类。QPSO算法不仅参数个数少、随机性强，并且能覆盖所有解空间，保证算法的全局收敛。PSO与QPSO算法的不同在于聚类中