K均值聚类算法 ，可以用于多类别的数据分类，比如mnist的

使用基于 k-means 算法的进化聚类进行图像分割目标函数：使用距离度量测量的簇内距离图像特征：3个特征（R，G，B值） 它还包含一个基于矩阵的输入样本示例

Fuzzy-C-means Python代码，以鸢尾花数据为例。

k-means聚类算法及matlab代码稀疏的KMeans KMeans使用预处理和稀疏化实现大数据，Matlab实施。 使用（也称为“ K均值”或“ K均值”），但以特殊方式稀疏数据，以显着（且可调）节省计算时间和内存。 该代码提供kmeans_sparsified ，其用法与Matlab统计工具箱中的kmeans函数非常相似。 有三个好处： 基本实现比“统计信息”工具箱版本快得多。 我们还提供了一些工具箱版本所缺少的现代选项。 例如，我们实现了初始化。 （更新：自2015年以来，Matlab改进了例程和初始化的速度，现在它们的版本与我们的版本相当）。 我们有一个新的变体，称为稀疏KMeans，它可以对数据进行预处理和采样，而该版本可以快数千倍，并且是为无法处理的大数据集设计的 该代码还允许使用大数据选项。 无需传递数据矩阵，而是给它提供.mat文件的位置，并且代码会将数据分成多个块。 当数据为10 TB并且您的计算机只有6 GB的RAM时，这很有用。 数据以较小的块（例如，小于6 GB）加载，然后进行预处理，采样并从RAM中丢弃，然后处理下一个数据块。 整个算法仅遍历数据集。 /注

K-means算法简介及代码过程

包含KMeans以及KMeans++聚类算法的python实现，以及测试文件读写的框架程序。其中KMeans.py是以随机初始化聚类中心的方法实现聚类，KMeanspp.py则是以KMeans++的方式初始化聚类中心。testKMeans.py则是主函数入口，负责打开文件，调用算法，显示运行结果。所有文件用python编写，并配有详细注释。

K均值聚类算法的源程序，用来数据聚类操作

人工智能-项目实践-图像聚类-Kmeans方法对图像色彩进行聚类

Python biKmeans 二分聚类算法

今天用python实现了一下简单的聚类分析，顺便熟悉了numpy数组操作和绘图的一些技巧，在这里做个记录。 from pylab import * from sklearn.cluster import KMeans ## 利用numpy.append()函数实现matlab多维数组合并的效果，axis 参数值为 0 时是 y 轴方向合并，参数值为 1 时是 x 轴方向合并，分别对应matlab [A ; B] 和 [A , B]的效果 #创建5个随机的数据集 x1=append(randn(500,1)+5,randn(500,1)+5,axis=1) x2=append(randn(50