说明：模糊c-均值聚类算法 fuzzy c-means algorithm (FCMA)。在众多模糊聚类算法中，模糊C-均值（ FCM） 算法应用最广泛且较成功，它通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的。

说明：RBF+K均值，可用

聚类拟合 k均值遗传算法 径向基kmeans 遗传算法k均值 优化聚类

说明：模式识别的聚类方法：C－均值算法，求得不同的分类

C均值 模式识别 聚类分类 识别 C-MEANS-CLUSTERING

说明：模糊C 均值聚类算法是一种逐步迭代的算法，每步迭代都沿着目标函数减小的方向进行。首先，需要对一些数据进行初始化：1.待聚类数据总个数澡好2.聚类类别数C ；3。迭代停止阈值；4.聚类原型模式；5。迭代计数器b；6.加权指数m，m一般情况取m = 2。

matlab 算法 fcm 模糊

说明：模式识别分层聚类、k—均值算法，支持向量机、线性判别、判别代码、ppt。

​模式识别 分层聚类 均值算法 向量机 线性判别 判别代码

说明：基于K均值的PSO聚类算法,通过虚拟阵元进行DOA估计，包含CV、CA、Single、当前、恒转弯速率、转弯模型。

虚拟阵元 K. pso-CV PSO-DOA-estimation K均值-DOA

说明：本科毕设要求参见标准测试模型，基于K均值的PSO聚类算法,用MATLAB编写的遗传算法路径规划。

遗传算法k均值 pso路径规划 K.pso-路径规划

说明：中心点漂移是一种非监督聚类算法（与k-means算法相似，但应用范围更广些),可用于图像分割，基于Matlab实现的源码。 MedoidShift is a unsupervised clustering algorithm中心漂移是一种非监督聚类算法（k均值算法具有相似性，但应用范围更广），可以用...

中心 漂移聚类 K-Means图像分割 The-Fields 图像分割算法

说明：可实现对二维数据的聚类，粒子图像分割及匹配均为自行编制的子例程，ofdm系统仿真 含16qam调制 fft 加窗 加cp等模块，基于欧几里得距离的聚类分析，有信道编码，调制，信道估计等，二维声子晶体FDTD方法计算禁带宽度的例子。

说明：k-均值是非常敏感的初始化。一个错误的初始化可以延迟收敛或甚至错误的聚类结果。均值漂移是相当强大的初始化。通常情况下，均值漂移是运行的每一点或点的特征空间中的[ 2 ]的一致选择。同样，k-均值是敏感的异常值，但均值漂移是不是很敏感。

matlab 均值 适应 漂移