k-means聚类算法是一种常用的无监督学习算法，可以在数据挖掘中得到广泛应用。k-means算法的基本原理和流程，并基于实际案例分析了其在图像识别、市场营销等领域的应用。同时，也分析了k-means算法存在的一些问题和改进方向。
暂无评论
这个资源是一个拥有完整代码与测试数据的k-means算法文件，集原始算法与改进算法于一个程序，通过选择不同的标签号来使用算法，能完整运行，效果很好，希望对大家有帮助！
Image region segmentation based on K-means clustering algorithm
针对初始聚类中心对传统K-means算法的聚类结果有较大影响的问题,提出一种依据样本点类内距离动态调整中心点类间距离的初始聚类中心选取方法,由此得到的初始聚类中心点尽可能分散且具代表性,能有效避免K-
针对私人微博内容进行聚类研究,结合私人微博的内容和结构特点提出了基于K-means的改进聚类算法。通过添加引用和评论内容丰富了文本内容,降低了短文本矩阵向量严重稀疏性带来的聚类算法准确性降低的影响;通
k-means算法接受参数k；然后将事先输入的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
实际上，无论是从算法思想，还是具体实现上，K-means算法是一种很简单的算法。它属于无监督分类，通过按照一定的方式度量样本之间的相似度，通过迭代更新聚类中心，当聚类中心不再移动或移动差值小于阈值时，
基于核K-means的增量多视图聚类算法
Computer Engineering and Applications 计算机工程与应用 2010 46 26 7 具有自适应参数的粗糙k-means 聚类算法 周 涛12 ZHOU Tao12
python代码用于k_means聚类算法的图形生成
PPT较详细的讲述了k-means、em聚类、模糊聚类等不同聚类的算法原理和过程
暂无评论