数据之美 一本书学会可视化设计英文版

K-Means欠采样python实现 1. K-Means欠采样原理 为解决分类问题中效果受样本集类间不平衡，并提高训练样本的多样性，可以使用K-Means欠采样对样本进行平衡处理。该方法利用K-means方法对大类样本聚类，形成与小类样本个数相同的簇类数，从每个簇中随机抽取单个样本与风险样本形成平衡样本集。K-means欠采样过程如下： Step1：随机初始化k个聚类中心，分别为uj(1,2,…,k)； Step2：对于大样本xi(1,2,…,n)，计算样本到每个聚类中心uj的距离，将xi划分到聚类最小的簇，c(i)为样本i与k个类中距离最近的那个类，c(i)的值为1到k中的一个，则c(i)

运用k-means算法进行对图像进行颜色和纹理分割，里面包含实验报告和matlab代码，分析非常详细，10天吐血撰写

数字半色调是在二值设备或多色二值设备上实现图像再现的一门技术，提出将K-means聚类法应用在 数字半色调技术中。算法中应用人类视觉系统模型（HVS）和印刷模型最大限度减少原始灰度连续调图像和半 色调图像之间的视觉误差；利用K-means聚类法将灰度图像划分成聚类分区，在每个聚类分区应用最小平方法 （least-squares）最小化二值半色调图像和原始灰度级图像之间的平方误差，所构造的半色调算法与基于模型的最小平方法（LSMB）算法相比，随着聚类分区的增加，图像平滑且边缘清晰度增加，尤其是在图像细节部位。与 LSMB算法比较，该算法的均方误差值有所降低，而权重信噪比和峰值信噪比提高了0.2～2dB，模拟实验结果 验证了算法的有效性。

模糊C均值算法 类型：聚类算法 使用的数据集：虹膜数据集 要求： Google colab或jupyter笔记本 套餐： 熊猫-https: numpy- //numpy.org/install/ Matplotlib- //matplotlib.org/stable/users/installing.html sklearn- //scikit-learn.org/stable/install.html 涉及的步骤： 打开“ fuzzy_c_means_algorithm_implementation.ipynb”文件。您可以在Google colab上或通过jupyter笔记本打开它。 如果您使用的是Jupyter笔记本，请安装上述必需的软件包。 在google colab或jupyter Notebook中打开文件后，运行所有单元格并查看输出。 观察图以了解算

聚类 鸢尾花数据的 K-means 聚类和葡萄酒数据的 K-Medoids 聚类

k-means 聚类算法，经典c++算法，中文注释

电力负荷曲线聚类是配用电系统的基础，对负荷管理具有重大意义。采用基于核方法的聚类算法提高负荷曲线聚类的准确性，通过点积的方式构造核矩阵，再将数据映射到高维空间中进行聚类，进而加大数据的可分性。同时，针对核矩阵的规模大、计算复杂的问题，提出使用核主成分与缩减矩阵规模对该方法进行优化。实验过程中采用美国能源部开发能源信息网站提供的负荷数据进行聚类，并以Davies-Bouldin聚类有效性指标评估效果。结果表明该方法具有较好的划分能力，可以提高负荷曲线聚类的准确性。

svd算法matlab代码基于阈值SVD的K-means用于主题建模 论文代码： “”。 Trapit Bansal，Chiranjib Bhattacharyya，Ravindran Kannan。 在神经信息处理系统（NIPS）中，2014年。 该文件提供了有关使用代码的有用信息。 首先，我们展示如何使用演示在各种标准公共数据集上运行算法。 要运行自己的数据，请检查以下数据格式，预处理步骤以及用于运行算法的主要matlab函数。 提供的代码已在Linux系统上的Matlab R2012a / b上进行了测试。 对于错误/查询/建议/谢谢，请随时通过“ gmail dot com的trapitbansal”给我发送电子邮件。 运行演示 用当前目录作为代码目录打开Matlab，确保已将Matlab配置为可访问Internet，然后键入： demo() 这将在NIPS语料库上运行该算法的演示。 此功能可以使用TSVD从指定的公共语料库中恢复主题。 语料库的其他可用选择是20-NewsGroup和UCI存储库上的任何语料库（即NIPS，ENRON，KOS，NYT，PUBMED）。 指定胼名

数据挖掘算法k-means，使用Python实现