商城-客户细分 在这个项目中，我对商城客户数据进行了探索性数据分析。 此外，我使用了K-均值聚类算法来创建客户细分（不同类型的客户群）。 数据 数据集中的功能 客户ID-这是分配给客户的唯一ID 性别-客户的性别 年龄-客户的年龄（以年为单位） 年收入（k $）-客户的年收入（k $） 支出得分-商场/购物中心根据客户的支出性质和行为分配给客户的得分

k均值算法聚类分析，生成分类的聚类分析图和J-K关系曲线

具有成对约束的聚类最近在聚类社区中引起了很多关注。 特别地，数据集中给定实例对之间的必须链接约束和不能链接约束是当今许多聚类算法中所包​​含的常识。 事实证明，这种方法可以成功地指导许多著名的聚类算法获得更准确的结果。 但是，最近的工作还表明，必须链接约束和不能链接约束的合并使聚类算法对“实例的分配顺序”过于敏感，因此导致了随后的约束冲突。 本文的主要贡献有两个方面。 一种方法是在执行“无法链接”集合的“广度优先”搜索后，通过强调无法链接实例的有序分配来解决Cop-Kmeans中违反约束的问题。 另一个是通过采用MapReduce框架来降低大数据集的Cop-Kmeans计算复杂度。 实验结果表明，我们的方法在海量数据集上表现良好，同时可以克服约束冲突的问题。

kmeans：是用Go编写的k-means聚类算法实现

Windows下yael kmea的matlab和c代码，c代码可以mex在matlab中使用

kmeans 分析matlab代码脑状态 在 Cornblath 等人中重现所有分析的代码。 2020（“休息时大脑活动的时间序列受白质结构的限制并受认知需求的调节”）。 重新实现这项工作的最简单方法是先查看 master 文件夹中的脚本example.m ，然后再深入研究finalmain.sh调用的完整脚本finalmain.sh 。 要求： MATLAB R2017a 或更高版本 R 3.2.5 或更高版本，带包： ggplot2 MATLAB RColorBrewer 测试版 重塑2 绿色 情节线 硬件：使用 Sun Grid Engine 作业调度程序的计算集群，能够请求具有至少 16G RAM 的内核 该软件使用功能神经影像计算中心 (Center for Functional Neuroimaging) 计算集群在 GNU Linux 上进行了测试。 目录结构和路径规范 脚本在代码文件夹中按其用途进行组织。 作业文件夹包含 shell 脚本，以允许使用 Sun Grid Engine 作业调度程序 (qsub) 将代码文件夹中的脚本提交到计算集群。 finalmain.s

基于k均值的图像分割，分割效果精确且运行速度快

用matlab仿真实现的K-MEANS改进聚类，可以运行

从零开始的高斯混合模型 算法类型：聚类算法使用的数据集：从sklearn导入的虹膜数据集 最终集群的输出 要求： Jupyter笔记本或Google Colab 库： 熊猫： ： numpy： ：//numpy.org/install/ Matplotlib： ：//matplotlib.org/stable/users/installing.html sklearn： ://scikit-learn.org/stable/install.html scipy： ：//pypi.org/project/scipy/ 涉及的步骤： 对于Google Colab： 在任何浏览器上打开google colab。 在Google Colab中上传文件“ 19BCE1328_Gaussian混合物模型”。 运行笔记本中的所有单元并查看输出。 参见图以可视化最终结果。 对于Jup

用matlab写的一个k-means聚类程序，简单实用