论文研究基于Kmeans的有限增量聚类算法及k值研究 .pdf

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

针对密度峰值聚类算法（DPC）在处理维数较高、含噪声及结构复杂数据集时聚类性能不佳问题，提出一种结合K近邻的改进密度峰值聚类算法（IDPCA）。该算法首先给出新的局部密度度量方法来描述每个样本在空间中

基于K-means聚类的医院科室管理策略研究，李玲，田珊，文将数据挖掘技术应用到医院科室管理中，用一种改进的K-means算法对医院科室进行分类，建立了以接诊次数和科室效益相结合的医院科�

为了改善文本聚类的质量，得到满意的聚类结果，针对文本聚类忽略概念的内涵及缺少概念间的联系，设计和改进了基于本体和相似度的文本聚类方法TCBOS(textclusteringbasedonontolog

本文主要是对聚类算法的研究,包括FCM与Kmeans,以及他们的改进算法

3个matlab程序源代码，含有工具箱函数版本与纯手工Kmeans算法源码

基于常用聚类算法及聚类融合算法进行了研究。首先阐述了数据挖掘领域的常用聚类算法及特点,接下来对近年来聚类融合的方法和研究现状进行了综述,并对如何产生高效的聚类成员和共识函数如何构建才能产生高效的聚类融

在基于DEM的地形表面重构中，传统的插值方法（B样条插值、双线形插值）获取的地形表面过于平滑，不能反映自然地形具有无限细节的事实。引入3维迭代函数系统（3D-IFS）插值方法来重构经随机简化的原始地形

基于KMeans聚类的协同过滤推荐算法可运用于基于用户和基于项目的协同过滤推荐算法中,作为降低数据稀疏度和提高推荐准确率的方法之一,一个协同过滤推荐过程可实现多次KMeans聚类。 一、基于KMean