说明：k均值聚类算法源码（matlab） k均值聚类算法源码（matlab）

说明：四种聚类算法源代码及示例代码,本程序的最终目的是形成一套标准的用于聚类、可扩展的工具。包括的内容有1. 聚类算法：Kmeans和Kmedoid算法、FCMclust, GKclust, GGclust算法 2. 评估分类原型：程序可以在二维图像上绘制出聚类的结果 3. 验证：程序给每一个算法提供验证机制，每个聚类算法会统计Partition Coefficient (PC), Classification Entropy (CE), Partition Index (SC), Separation Index (S), Xie and Beni s Index (XB), Dunn s Index (DI) and Alternative Dunn Index (DII)几种衡量指标。

说明：各类聚类算法程序包，包含各种经典的聚类算法，例如：k-mean聚类等

说明：应用FCM（模糊c均值聚类）算法到文本聚类 采用两种方法计算文本相似度 采用ShootSeg分词 采用sogou互联网词库简化特征值计算

说明：遗传算法改进的模糊C均值聚类的matlab源程序 可以运行 格式需要更改

说明：通过c语言实现k_mean聚类算法，是最简单的聚类算法，欢迎参考

说明：K-means聚类算法的研究

说明：用matlab语言实现K-MEANS聚类算法

说明：聚类算法matlab实例 聚类算法matlab实例

说明：聚类算法kmeans，比较简单的聚类算法，通过欧几里德距离确定聚类的标准，对二维的点进行聚类

说明：K均值聚类算法 C++实现的K均值聚类算法。

说明：图像模式识别聚类分析、模糊聚类、遗传算法聚类

说明：数据挖掘聚类算法研究

说明：该算法是结合减法聚类与FCM聚类算法融合的远代码。算法通过融合这两种算法，从而可以直接在线确定聚类数目。

说明：这个应用程序是使用k均值聚类算法分割一个灰度图像。

说明：数据挖掘算法源码，有聚类算法、分类算法、神经网络分类算法

说明：模式识别，聚类算法的matlab例程。模式识别聚类

说明：KMEANS聚类算法实现程序，程序分为两个部分，包括数据和KMEANS聚类算法实现程序，并有详细的注释．

说明：模糊C均值聚类算法的MATLAB实现，比较经典的程序

说明：ClustanGraphics聚类分析工具。提供了11种聚类算法。 Single Linkage (or Minimum Method, Nearest Neighbor) Complete Linkage (or Maximum Method, Furthest Neighbor) Average Linkage (UPGMA) Weighted Average Linkage (WPGMA) Mean Proximity Centroid (UPGMC) Median (WPGMC) Increase in Sum of Squares (Ward s Method) Sum of Squares Flexible (ß space distortion parameter) Density (or k-linkage, density-seeking mode analysis)

说明：K-Means动态聚类算法源程序 使用K-Means实现数据挖掘中的聚类算法

说明：FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大而，不同簇之间的相似度最小。

说明：一个利用KDD1999数据集而完成的改进K-means聚类算法的实现.

说明：f聚类算法 mathematica程序

说明：FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分。在介绍FCM具体算法之前我们先介绍一些模糊集合的基本知识。

说明：FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分。在介绍FCM具体算法之前我们先介绍一些模糊集合的基本知识。

说明：fcm是模糊c均值聚类算法，确定聚类中心以后，通过循环迭代，确定最佳聚类中心

说明：聚类算法：k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用，这样的一个medoid就标识了这个类。步骤： 1，任意选取K个对象作为medoids（O1,O2,…Oi…Ok）。 以下是循环的： 2，将余下的对象分到各个类中去（根据与medoid最相近的原则）； 3，对于每个类（Oi）中，顺序选取一个Or，计算用Or代替Oi后的消耗—E（Or）。选择E最小的那个Or来代替Oi。这样K个medoids就改变了，下面就再转到2。 4，这样循环直到K个medoids固定下来。 这种算法对于脏数据和异常数据不敏感，但计算量显然要比K均值要大，一般只适合小数据量。 这里是MAtlab源代码。

说明：FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分。

说明：动态聚类的k均值算法－－用k均值算法解决动态聚类问题