1.包含课程设计和csv文件，可以直接用 2.基于LRFMC模型 3.包含详细实验环境，例如python版本和所需库的版本 2.希望可以帮到大家嘿嘿

4-聚类算法.7z

06聚类算法Kmeans资料与代码.7z

最新的Science发表的fast search聚类算法的python代码实现，可用于大数据的挖掘与分析

聚类的目标是使同一类对象的相似度尽可能地大；不同类对象之间的相似度尽可能地小。目前聚类的方法很多，根据基本思想的不同，大致可以将聚类算法分为五大类：层次聚类算法、分割聚类算法、基于约束的聚类算法、机器学习中的聚类算法和用于高维度的聚类算法。本源码实现主要选取了基于划分的Kmeans算法和基于密度的DBSCAN算法来对用户地理位置信息进行聚类。 本实验用python实现，依赖numpy, pandas, sklearn, scipy等科学计算library。 数据来自收集得到的用户的地理位置信息，即经纬度数据的序列集。 一种基于DBSCAN和Kmeans的混合算法：先利用DBSCAN算法的密度可达特性将用户的地理位置数据集按照活动半径聚合成若干个簇，并且将每一簇的数据集作为新的输入，再利用Kmeans算法的迭代聚合求出质心的位置，设定K值为1。

K- Means Clustering

基于opencv3 实现 基于聚类的图像分割，k-means聚类效果好，但需要注意需认为设定聚类数量，可在代码中更改。

基于密度的聚类是聚类算法中的一种，其主要优点是可以发现任意形状的簇，但处理大数据集时效果不佳，为此提出了一种改进的算法M-DBSCAN，保留了基于密度聚类算法的优点，同时克服了以往算法不能处理大数据集的缺点。实验结果证明，M-DBSCAN聚类算法在聚类质量及速度上都比原DBSCAN有较大提高。

基于改进聚类算法的Android平台入侵检测的研究与应用.pdf

机器学习算法原理-聚类算法