说明:1 掌握不同的聚类方法—基于层次与基于划分的方法2 学会层次聚类的单连接算法3 学会K-means算法
说明:使用c-均值聚类算法在IRIS数据上进行聚类分析,随机选择三个初始聚类中心,经过多次迭代,最终将150个样本分为三类。
说明:AP聚类算法,里面包含实例,是AP聚类学习的好文件
说明:采用模糊聚类算法和加核模糊聚类算法进行医学图像的分割。采用matlab编程,界面处理较好。
说明:使用matlab进行聚类分析的程序,包括自适应迭代,K聚类等程序,详细用法在M文件中有说明。
说明:用matlab实现动态聚类或迭代自组织数据分析算法(ISODATA)可实现对二维数据的聚类
matlab-isodata 聚类-二维 isodata-数据 ISODATA---matlab isodata-with-matlab
说明:模糊核聚类及几篇文章,用于数据和图像的模糊聚类分割,效果还行
说明:C均值聚类算法的matlab编写。此程序根据模式识别书上C均值聚类的过程进行编写。没有用到工具箱。
说明:ISODATA聚类算法演示程序 完全按照《现代模式识别》孙即祥著作 2.4.4《动态聚类法》算法3实现 。 使用欧式距离作为测度标准。
说明:运用遗传优化算法优化模糊C均值聚类,通过全局自适应寻优,寻找出更为精确的模糊聚类中心