k—means聚类算法

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

数字半色调是在二值设备或多色二值设备上实现图像再现的一门技术,提出将K-means聚类法应用在 数字半色调技术中。算法中应用人类视觉系统模型(HVS)和印刷模型最大限度减少原始灰度连续调图像和半 色调

一开始的目的是学习十大挖掘算法,并用编码实现一遍，但越往后学习，越往后实现编码，越发现自己的编码水平低下，学习能力低。这一个k-means算法用Python实现竟用了三天时间，可见编码水平之低，而且在

用模拟退火k-means聚类算法实现样本库的聚类。

各种聚类程序，包括生成聚类树、k-means，模糊k-means等，中文注解

Bisectingk-means聚类算法,即二分k均值算法,它是k-means聚类算法的一个变体,主要是为了改进k-means算法随机选择初始质心的随机性造成聚类结果不确定性的问题,而Bisectin

聚类算法 --以K-means算法为例;分类是指将数据归于一系列已知类别之中的某个类的分类过程分类作为一种监督学习方法要求必须事先明确知道各个类别的信息并且断言所有待分类项都有一个类别与之对应但是很多

针对初始聚类中心对传统K-means算法的聚类结果有较大影响的问题,提出一种依据样本点类内距离动态调整中心点类间距离的初始聚类中心选取方法,由此得到的初始聚类中心点尽可能分散且具代表性,能有效避免K-