本专区汇聚了各类基于 无监督学习 开发的源码资源，共计 192 篇资源供开发者免费下载学习。
模糊C均值聚类方法是一种方法，通过它我们做集群，然后计算集群的C平均。
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
AP聚类的方法，是在《科学》上发表的08的聚类方法，在我的研究在近几年的从图像的图像，这是我见过的最好的聚类的聚类算法，提出这个方案的提供，而且测试它与图像分割（MATLAB7.0
Kohonen网络是自组织竞争型神经网络的一种，该网络为无监督学习网络，能够识别环境特征并自动聚类。Kohonen神经网络是芬兰赫尔辛基大学教授Teuvo Kohonen提出的，该
入侵检测是对入侵行为的发现，它通过对计算机网络或计算机系统中的若干关键点收集信息并对其进行分析，从中发现网络或系统中是否有违反安全策略行为或被攻击的迹象。入侵检测可分为异常检测和误
SOM神经网络背景:自组织特征映射神经网络(SOM)模拟大脑神经系统的自组织特征映射功能，是一种无监督竞争式学习的前馈网络，在训练中能无监督自组织学习。它通过学习可以提取一组数据中
癌症（cancer），医学上称为：恶性肿瘤（malignant neoplasm），是机体在环境污染、化学污染（化学毒素）、电离辐射、自由基毒素、微生物（细菌、真菌、病毒等）及其代
K均值聚类法分为如下几个步骤：一、初始化聚类中心1、根据具体问题，凭经验从样本集中选出C个比较合适的样本作为初始聚类中心。2 请点击左侧文件开始预览 ！预览只提供20%的代码
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
matlab练习程序（meanshift图像聚类） 关于这个meanshift，一来可以用来作为目标跟踪，二来可以用来进行图像聚类。我这里只实现了图像聚类，当然，是按自己的理解编
k均值聚类是最著名的划分聚类算法，由于简洁和效率使得他成为所有聚类算法中最广泛使用的。给定一个数据点集合和需要的聚类数目k，k由用户指定，k均值算法根据某个距离函数反复把数据分入k
这个是涉及到基于小波算法的分割过程，所以这个过程可以有效的完成，并且时间缩减，结果准确。