K-means算法简介及代码过程

k-means matlab程序最强合辑集合本网大部分！

基于余弦定理和K-means的植物叶片识别方法

noma_dl_sim noma_dl_sim用于集群和配对算法。

电力需求分析 在时间序列数据集上分析房屋的电力需求。 还使用基于电力需求的 K-Means 聚类创建了电器检测系统。

用户用电情况随着电网技术发展变得更加复杂，同时产生大量用电特征。以往采用基于神经网络挖掘方法和基于CURE算法的挖掘方法受到噪声数据影响，导致挖掘精准度较低，针对该问题，提出基于k-means聚类算法的用户复杂用电特征挖掘方法。在k-means聚类算法中，研究用户复杂用电特征挖掘原理，并对数据进行清洗、集成、规约变换预处理，避免噪声干扰。利用信息熵原则聚类矩阵规整特征点，根据复杂用电特征，通过簇类决策用电特征点，计算聚类簇之间距离，获取用电特征信息增益，完成用户复杂用电特征挖掘。通过实验对比结果可知，该方法挖掘精准度最高为99%，为用户提供更好优质服务。

k-means算法的C#实现，可以直接运行的，不过比较简单，仅仅是简单的原理说明。

k - means聚类分析算法Python实现,并以鸢尾花数据集为例进行聚类演示

深大计软_最优化方法_实验1：K-Means聚类之Python实现手写数字图像MNIST分类

K-MEANS(K均值聚类算法,C均值算法) K-MEANS(K均值聚类算法,C均值算法) K-MEANS(K均值聚类算法,C均值算法)