基于平均差异度优选初始聚类中心的改进K 均值聚类算法

采用matlab实现了k均值基本算法、谱聚类算法。里面有300个二维坐标作为待分类点。

图像分割:利用图像的灰度、颜色、纹理、形状等特征,把图像分成若干个互不重叠的区域,并使这些特征在同一区域内呈现相似性,在不同的区域之间存在明显的差异性。然后就可以将分割的图像中具有独特性质的区域提取出

Clustering experiment K-means and C-means

基于改进K-means聚类算法的负荷建模,蒋国栋,白雪峰,负荷模型对电力系统仿真计算的准确性有重要影响。负荷建模数据应取自电网实际运行数据,所以必须从海量运行数据中提取能够代表节

Matlab基于K均值聚类的神经网络-基于K均值聚类的ＲＢＦ神经网络.rar基于K均值聚类的ＲＢＦ神经网络

基于k均值聚类的图像分割研究小论文

使用K－平均算法，以颜色分量（或几何性状）作为坐标参数，对景象图进行聚类分析，在最后的分类结果中将路标（可能包括少量相似区域）聚类为一个模式类别。并且给出了样本模式点，绘制除了坐标图（标出各个聚类中心

1 K-Means聚类 K-Means聚类是最常用的聚类算法,最初起源于信号处理,其目标是将数据点划分为K个类簇,找到每个簇的中心并使其度量最小化。该算法的最大优点是简单、便于理解,运算速度较快,缺点

Classical clustering algorithm clustering k-menas

一种用于文本聚类的改进的K均值算法，优秀硕士毕业论文，对k均值方法在文本聚类中的应用进行了深入的分析。