基于密度调整的改进自适应谱聚类算法

首先介绍传统距离计算方法在聚类应用中的不足，并针对这点提出一种基于权重向量的相对距离计算方法。在应用DBSCAN算法的基础上，融入相对距离的计算及k-d树的范围查找的应用。该算法不仅能得到很好的聚类效

本密度聚类算法dbscan是基于周志华老师《机器学习》介绍编程的，经检验效率较高

比较好的学习文章英文的。。。。。。。。。。。。。。。。

针对模糊c-均值(FCM)聚类算法受初始聚类中心影响,易陷入局部最优,以及算法对孤立点数据敏感的问题,提出了解决方案:采用快速减法聚类算法初始化聚类中心,为每个样本点赋予一个定量的权值,用来区分不同的

运用核密度自适应阈值背景建模算法对运动目标进行检测，文档加代码，实现效果较好

谱聚类算法是近年来国际上机器学习领域的一个新的研究热点。谱聚类算法建立在谱图理论基础上，与传统的聚类算法相比，它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点。

采用谱聚类算法对数据进行聚类，该算法首先由吴恩达提出，聚类成功率达99%以上。代码采用matlab编写，下载后可直接运行。

谱聚类PBD算法源码 基于优化模块度和谱原理 参考文献： Clustering algorithm for determining community structure in large netwo

详细分析LEACH协议,针对LEACH协议随机产生簇头导致网络中出现局部区域簇头分布不均、簇的规模不一、整个网络能耗不均衡、网络寿命缩短等问题,提出了一种聚类区域自适应调整的WSN能耗均衡分簇算法。在

改进的视觉原理聚类算法 讲已有的视觉原理聚类算法综合提出一个抽象的核函数