暂无评论
本文主要是对聚类算法的研究,包括FCM与Kmeans,以及他们的改进算法
直接下载运行即可,需要注意修改相应的读取和写入路径,data是数据集,由于相关参数选取的不太合适已经数据集的原因,所以聚类效果不是特别理想
ISODATA：IterativeSelf-OrganizingDataAnalysisTechnique，是一种常用的聚类/分割方法既有原始的ISODATA算法，也有自己提出的改进的方法
聚类就是对大量未知标注的数据集，按数据的内在相似性将数据集划分为多个类别，使类别内的数据相似度较大而类别间的数据相似度较小;对相似的文档或超链接进行聚类，由于类别数远小于文档数，能够加快用户寻找相关
Trajectory算法是对轨道数据进行聚类，简单，迅速
谱聚类能够识别任意形状的样本空间且收敛于全局最优解，其基本思想是利用样本数据相似矩阵的进行特征分解后得到的特征向量进行聚类，程序进行了几种不同聚类算法的比较，包括Q矩阵聚类，kmeans聚类，第一特征
什么是聚类;为什么需要聚类;聚类图示;什么是分类;分类图示;聚类与分类的区别;聚类的基本要素; 相似度; 聚类有效性函数;聚类算法的简单分类;K-means;K-means步骤;初始值敏感;层次聚类;
层次聚类方法概述层次聚类方法将数据对象组成一棵聚类树根据层次分解是自底向上合并还是自顶向下分裂进一步分为凝聚的和分裂的层次聚类层次聚类方法概述凝聚的层次聚类一种自底向上的策略首先将每个对象作为一个簇然
基于matlab软件设计的模糊GK聚类算法，进行数据的聚类分析
包括主流的几种动态聚类算法：K-means，K-means的改进算法，DBSCAN算法等等，还有数据作图代码，代码详细明晰！适合想学习动态聚类算法的朋友！
暂无评论