KMeans、bayes、logistic.rar

K-means算法，也被称为k-平均或k-均值算法（k由来是由于算法实现要用户事先给定要划分成K类），是一种得到最广泛使用的动态聚类算法。它是将各个聚类子集内的所有数据样本的均值作为该聚类的代表点。

利用matlab实现了kmeans，对n维数据进行聚类

matlab代码 用k均值进行图像分割 附有分割好的图像

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。

传统的kmeans聚类算法不能保证时间序列聚类结果的时序性；基于warp-kmeans聚类算法可以有效处理时间序列的聚类问题，而且复杂度低，迭代次数少。 输出有目标函数在每次迭代后的值、聚类中心以及聚

kmeans代码,k点个数选择,中心点处理等

课程作业自己手写的kmeans算法,聚类的个数需要自己制定，算法的速度还可以

自己写的kmeans图像分割，核心代码是opencv，在外面包装了一下，自己建了一个类。根据图像颜色，用kmeans算法最图像分割比较方便。

模糊Kmeans算法，java语言编写，里面的py文件是对聚类结果可视化。

kmeans初始化GMM模型,使用随机化中心的方法，可以帮助理解kmenas方法。