说明：k-均值是一个最简单的无监督学习算法，解决了众所周知的聚类问题。该过程遵循一个简单和容易的方法对给定的数据集通过一定数量的集群（假设k集群）固定。其主要思想是定义K中心，每一个集群。这些重心shoud在狡猾的方式，因为不同的位置会导致不同的结果。因此，更好的选择是把它们尽可能的远离对方。下一步是把每...

matlab 分割 图像 方法 使用

说明：资源描述matlab实现k-means算法和k-medoids算法。%%%%%%函数说明%%%%%% %输入： %      sample--样本集； %        k--聚类数目； %输出： %       y--类标； %       cnew--聚类中心； %       n...

matlab 算法 程序 KMeans

说明：k-means++:一种改进的K-means++聚类算法来对初始聚类中心的选取进行改进。该改进算法的基本思想是使得初始聚类中心之间的距离尽可能的远.用于图像处理,效果还行。

分割 图像 KMeans 用于

说明：此源代码是用matlab训练RBF网络，用的是数据中心聚类法，算法中没有用matlab中的训练函数

RBF RBF聚类 聚类RBF 数据聚类 RBF数据训练

说明：模糊C均值算法，由硬C均值算法演化而来  是一种聚类算法，算法简单，速度快，但是受初始聚类中心点影响大，且要预先设定K值，即需生成的簇的数目。

说明：K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大，算法过程如下： 输入：k, data[n]; （1） 选择k个初始中心点，例如c[0]=data[0],…c[k-1]=data[k-1]； （2） ...

说明：最详细的k_means程序，采用matlab语言编写，进行了优化，可以自行选择聚类中心的个数，对聚类结果进行染色查看。

KMeans

说明：利用matlab进行玉米粒顶端定位。粗略以及精细的进行玉米粒聚类中心点坐标，生成距离比较变量。确定形心坐标。

说明：k-means 算法接受参数 k ；然后将事先输入的n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 请点击左侧文件开始预览 ！预览只提供20%的代...

matlab KMeans 函数

说明：美赛 人员疏散模型 元胞自动机 美国大学生数学建模竞赛MATLAB示例程序。

疏散-元胞 美赛 蚁群算法-matlab 疏散模型 元胞疏散