MPI集群 K-Means算法的顺序和并行实现，数据集为数据点，DNA链为输入，K为质心

MNIST | 基于k-means和KNN的0-9数字手写体识别-附件资源

进行乳腺癌诊断的预测分析 使用Python中的K-Means聚类和随机森林算法

kmeans聚类学习 K_MEANS.ipynb

使用C语言对传统K-means聚类算法进行了实现，内含较多注释。

主要为大家详细介绍了Python机器学习算法之k均值聚类，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

该程序是“基于C++的经典模糊C均值聚类算法”（写于2008年）的优化改进版本： 参考文献: Bezdek J C. Pattern Recognition with Fuzzy Objective Function Algorithms. New York:Plenum Press, 1981 （1）优化了动态内存管理，部分动态数组采用了容器vector来处理； （2）添加了更多的代码注释,以及运行方式说明； （3）更加规范地整理了代码的书写排布风格； （4）采用VS2015建立的工程； （5）可以完全取代原版本的代码Repeat FCM.rar。 注：如果方便，恳请管理员将旧版的资源“Repeat FCM.rar”删除。

实现了增量式的kmeans，在谷歌上也可以搜索online kmeans，使用新的数据点来更新聚类中心。

针对传统K-means算法易受初始聚类中心和异常数据的影响等缺陷，利用萤火虫优化算法全局搜索能力强、收敛速度快的优势，对K-means算法的初始聚类中心进行优化，并通过引用一种加权的欧氏距离，减少异常数据等不确定因素带来的不良影响，提出了一种基于萤火虫优化的加权K-means算法。该算法在提升聚类性能的同时，有效增强了算法的收敛速度。在实验阶段，通过UCI数据集中的几组数据对该算法进行了聚类实验及有效性测试，实验结果充分表明了该算法的有效性及优越性。

基于k-means的图像分割 包含模式识别 matlab程序代码