说明：根据实验数据设计K均值聚类分析分类器，实验数据采用遥感彩色图像，以图像的所有象素为样本集，每一象素点的R、G、B值作为其特征向量。1）选择合适的类别数K和初始聚类中心。2）选择距离测度。3）设计迭代中止条件，或人为设定迭代次数。

matlab

说明：使用K-means，混合高斯模型（GMM），层次聚类算法实现的多类别数据的聚类。内含详细的实验报告。

BP_adaboost gmm--code 混合高斯-matlab gmm-matlab matlab-clustering

说明：应用背景本代码是基于与人工蜂群的数据聚类算法。该代码提供了比K-均值算法更准确的结果。关键技术人工蜂群优化（ABCO）是自然的启发启发式优化方法，这是类似于在自然界寻找食物的方式的蜜蜂，以及优化算法搜索最佳的组合优化问题。 ；通过建模的分区问题作为一个一个优化问题，该聚类算法。

matlab 基于 数据 蜂群 人工

说明：聚类问题是普遍存在于众多领域的基本问题，如模式识别、图像处理、机器学习和统计学等。聚类的基本形式定义为在已给的数据集合中寻找数据点集的同类集合。

matlab 算法 均值

说明：    模糊C-均值算法容易收敛于局部极小点，为了克服该缺点，将遗传算法应用于模糊C-均值算法(FCM)的优化计算中，由遗传算法得到初始聚类中心，再使用标准的模糊C-均值聚类算法得到最终的分类结果。

matlab 算法 源代码 遗传 改进 模糊 均值

说明：模糊C-均值算法容易收敛于局部极小点，为了克服该缺点，将遗传算法应用于模糊C-均值算法(FCM)的优化计算中，由遗传算法得到初始聚类中心，再使用标准的模糊C-均值聚类算法得到最优分类结果

matlab 算法 源码 遗传 改进 模糊 均值

说明：可变聚类无标度网络源代码。提高了BA网络的聚类系数。

BA无标度 ba无标度网络 BA网络-matlab ba网络 ba-scale-free

说明：输入：聚类数目k，用户偏好矩阵UR 输出：k个聚类，相似性度量矩阵 方法： 1).预处理产生k

matlab 算法 均值

说明：应用背景关键技术该算法对 松散关系；K近邻分类器，一个流行的 ；机器学习 ；分类，经常混淆技术k-均值 ；因为 ；K  ；在名称。可以将近邻分类器对 得到的聚类中心；k-均值将新数据到现有的集群。这就是最近的质心分类器 ； ；或Rocchio算法。

matlab

说明：这是在聚类数据的代码帝国竞争算法与 kmeans 聚类.

matlab