遗传模拟退火算法在k_means聚类中的应用

K2Means 聚类算法用于将数据分成类, 同一个类中的数据之间具有很高的相似度, 而不同类中的数据高度相异K-Means 聚类算法已在网络入侵检测、计算机图像处理等领域有着广泛的应用。研究了K-Me

%k-means 算法接受输入量 k ；然后将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获

该文档为数据挖掘中常用的分类算法K-means均值聚类算法，包含源码+详细步骤

WSN energy balance routing algorithm based on K_means clustering

搜索引擎聚类算法基于K-means算法的一个改进

基于遗传算法和模拟退火算法改进的混合模拟退火算法（解决求函数极值问题，MATLAB代码已实现）混合模拟退火算法时遗传算法和模拟退火算法的结合，在混合模拟退火算法中使用了大量的样本作为问题的可能解决方案

文档详细介绍了Unsupervised learning or Clustering – K-means Gaussian mixture models

使用MapReduce实现模糊聚类和K-Means算法，并且对其进行评估。

根据交通事故的GPS坐标进行聚类分析，根据相应约束条件根据聚类算法判定事故高发区。其他分类场景也可以适用。

以简单的代码快速实现k-means聚类方法，以20个2维样本数据为例