当初打数学建模的时候，在网上找了一堆东西。翻出来了这个，现在放到网上，供大家一起学习，没办法最低就1个积分了。欢迎大家一起学习！

用于K-means算法的数据集，当让你聚类完后也可以逻辑回归或者线性回归。

k-means算法详解，内含k-means算法基于mapreduce的实现

0 前言 K-Means是聚类算法的一种，通过距离来判断数据点间的相似度并据此对数据进行聚类。 1 聚类算法 科学计算中的聚类方法 方法名称 参数 可伸缩性 用例 几何形状（使用的指标） K-Means number of clusters Very large , medium with MiniBatch coden_samplesn_clusters General-purpose, even cluster size, flat geometry, not too many clusters Distances between poi

为满足基于Kinecrt的康复训练系统的需要，提出一种人体动作匹配和评估方法。该方法通过Kinect实时提取骨骼关节点三维坐标，计算骨骼关节点的角度，得到一组动作序列的空间角度变化值；然后通过改进的DTW算法把两组动作序列的角度值进行匹配，得到两个序列之间的距离；最后通过K-means聚类方法对距离的大小评估。实验表明，该方法能很好地实现人体动作匹配和评估，实时性好，较传统DTW算法在识别速率上有明显提高。

本资源属于机器学习+数字图像处理领域，主要是基于k-means算法的图像分类，包括分类图片集和matlab实现图像分类程序。

K-Means算法实现遥感图像变化检测，k均值算法

当今图像去噪效果最好的三种方法合集BLS_GSM,BM_3D,NL_MEANS ，matlab程序。程序很规范，经过我自己运行，速度很快，效果也非常理想，适合刚接触图像处理的同学，也可以认真琢磨算法的思想，个人觉得很有益处。

传统的K-means算法随机选取初始聚类中心，聚类结果不稳定，容易陷入局部最优解。针对聚类中心的敏感性，提出一种优化初始聚类中心的K-means算法。此算法利用数据集样本的分布特征计算样本点的密度并进行分类，在高密度区域中选择K个密度最大且相互距离超过某特定阈值的点作为初始聚类中心，并对低密度区域的噪声点单独处理。实验证明，优化后的算法能取得更好的聚类效果，且稳定性增强。

3种K-MEANS算法解决图像分割问题 k-m1:将rgb图像进行图像分割 k-m2：将灰度图像进行图像分割 simple：简化程序 k-mean：聚类函数 houghbh：霍夫变换 by：边缘检测 记得更改程序内图片的路径