利用谱聚类算法，根据节点间的电气距离，对电力系统进行分区

mohujulei_电力系统分区_分区_谱聚类算法_谱聚类分区_电气距离_源码.zip

通过对几种典型聚类算法的分析和比较，提出了一种新的聚类算法，基于扩展约束的半监督谱聚类算法，简称CE-SSC。这种算法扩展了已知约束集，通过密度敏感距离改变样本点的相似关系，结合半监督谱聚类进行聚类。在UCI基准集上的仿真实验结果证明，基于扩展约束的半监督谱聚类算法具有良好的聚类效应。

将二部图模型引入聚类集成问题中,使用二部图模型同时建模对象集和超边集,充分挖掘潜藏在对象之间的相似度信息和超边提供的属性信息.设计正则化谱聚类算法解决二部图划分问题,在低维嵌入空间运行K-means++算法划分对象集,获得最终的聚类结果.在多组基准数据集上进行实验,实验结果表明所提出方法不仅能获得优越的结果,而且具有较高的运行效率.

谱聚类详细、入门级介绍ppt。。和详细清晰

直接下载运行即可，需要注意修改相应的读取和写入路径，data是数据集，由于相关参数选取的不太合适已经数据集的原因，所以聚类效果不是特别理想

matlab编写的多路谱聚类（NJW）算法。

【图像分割】基于谱聚类算法实现图像分割matlab源码.md

光谱匹配Matlab代码MUSCARI（多任务谱聚类算法） 穆斯卡里（Muscari）是一种新的基于多任务图的聚类算法，通过使用物种与物种之间的系统发育关系，共同从物种特定的全基因组共表达网络中跨物种识别基因共表达模块（或子网络）。共表达矩阵的基于图的性质。 穆斯卡里（Muscari）基于Arboretum-HiC（）多任务图聚类算法，该算法将每个任务定义为一个光谱图聚类问题，每个物种一个，多任务学习框架同时搜索相互作用的基因组同时考虑了物种之间的系统发育关系。 与植物园HiC不同，穆斯卡里输入是基因表达矩阵，该矩阵转换为完全连接的加权基因共表达网络。 安装 1.所需环境 matlab（R2006a或更高版本）：仅对于生成特征向量矩阵是必需的 2.下载代码 code / ：穆斯卡里编码目录 run_muscari.sh ：穆斯卡里的包装程序运行脚本。 该脚本需要其他两个后续脚本： eigvecmat_calc.m：特征向量矩阵计算脚本 run_eigvecmat_calculation.m：用于运行eigvecmat_calc.m的包装器脚本 3.编写穆斯卡里代码 运行代码/ Make

均值漂移谱聚类(MSSC)算法为模式识别聚类任务提供了一种较新的方案. 然而由于其内嵌均值漂移 过程的时间复杂度与样本容量呈平方关系, 其在大数据集环境的实用性受到大大削弱. 利用快速压缩集密度 估计器(FRSDE)替代Parren窗密度估计式(PW)并融合基于图的松弛聚类(GRC)方法, 提出了快速均值漂移谱聚 类(FMSSC)算法. 相比原MSSC, 该算法的总体渐进时间复杂度与样本容量呈线性关系, 并具有自适应性和便捷性.