K均值聚类算法(二维)

：将核学习方法的思想应用于K-均值聚类中，提出了一种核K-均值聚类算法，算法的主要思想是：首先将原空间中待聚类的样本经过一个非线性映射，映射到一个高维的核空间中，突出各类样本之间的特征差异，然后在这个

k-means聚类数据集,包含dataSet.txt, dataSet2.txt以及其它。

做项目用的K均值算法，在看过的众多代码基础上给予了小更改，挺有用的！

本程序采用C#实现了K均值聚类，批处理文件中的参数为需要批处理的文件名，文件中的每一行为一个文件，在实际使用中，可以更加需要修改

用模拟退火k-means聚类算法实现样本库的聚类。

Opencv achieves regional growth method, K-means clustering, fuzzy C-means clustering (FCM)

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得一个“中心对

C均值动态聚类算法是一种普遍采用的方法，在实际中具有很高的应用价值！

Fuzzy c-means clustering algorithm

本代码利用MATLAB编写，根据模糊C均值聚类算法（FCM）实现样本点的聚类功能。