基于k means聚类的股票KDJ类指标综合分析方法1.pdf

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。

利用Excel的VBA语法进行编辑制作出来的，可用于二维数组的k均值（k-means）聚类，并自动生成每次迭代之后的中心点及对应的迭代次数，最后还可以将结果用图形的方式输出。

WSN energy balance routing algorithm based on K_means clustering

基于并行遗传算法的K_means聚类研究

基于遗传算法的K_MEANS聚类改进研究

基于k-means聚类算法的vc++实现代码

基于CUDA 的并行K-means 聚类图像分割算法优化

传统的K-means算法随机选取初始聚类中心，聚类结果不稳定，容易陷入局部最优解。针对聚类中心的敏感性，提出一种优化初始聚类中心的K-means算法。此算法利用数据集样本的分布特征计算样本点的密度并进

基于改进粒子群和K-Means的文本聚类算法研究.pdf

提出了一种新的多维序列模式挖掘算法，首先在序列信息中挖掘序列模式，然后针对每个序列模式，在包含此模式的所有元组中的多维信息中挖掘频繁1-项集，由得到的频繁1-项集开始，循环的由频繁（k-1）-项集（k