说明：这一套的 K-均值分类器，编程环境是 Matlab.It 的易于使用这段代码、 示例数据和类的数目是输入的参数，每个样本的类是输出参数。

matlab 分类 基于 均值

说明：局部均值分解，相比于emd好一点，自适应将信号分解几个物理量。

lmd和emd EMD 信号分解 局部均值分解 EEMD

说明：一种基于粒子群K均值聚类算法的电梯交通模式识别方法。该方法通过对此前一周的原始客流数据进行聚类分析，得到相应交通模式的聚类中心坐标[2]。针对实时变化的交通流数据，采集5 mins时段客流数据，根据最近邻原则划分其归属的聚类中心，从而识别出当前的交通模式。

粒子群 K均值 聚类算法 电梯 交通模式 识别方法 PSO

说明：2005年J.S.Smith提出的局域均值分解LMD(Local mean decomposition)的原始文献，该方法可用于故障诊断、特征提取、振动信号分析等多领域，是较EMD更为温和的一种自适应算法，目前是热门研究方法。

自适应算法 局域均值分解 LMD

说明：kmeans均值聚类算法:一种改进的基于半监督聚类的入侵检测算法ASCID（主动学习半监督聚类入侵检测（k）利用kdd99数据集对kmeans聚类算法进行了仿真，实验结果表明，ASCID算法能够提高算法的检测率，降低误报率，验证了算法的可行性和有效性

kmeans 均值 聚类 半监督 入侵检测 ASCID

说明：对彩色图像进行K均值的图像分割，可用于模式识别

彩色图像 K均值 图像分割

说明：利用c均值方法对图象进行聚类分割，此为matlab环境下的仿真代码。

C均值 图象 聚类分割

说明：该代码是matlab编写的C均值聚类算法，具有速度快，聚类效果好的特点。

C均值 聚类算法

说明：模糊C均值聚类的MATLAB程序，有详细中文注释，对初学者很有帮助。

C均值聚类

说明：k均值算法，用matlab实现的，数据挖掘。

K均值算法 数据挖掘