基於kmeans的改進演算法（針對一維）：
【演算法】
1.設定閾值，使用固定篩子的方式將物件分配到各個不同的「篩孔」裡，並計算落入每個「篩孔」中的物件的平均值，即初始質心。
2.對步驟1中的初始質心進行類似步驟1方法的聚類，得到初始質心的聚類結果。
3.將步驟2中的初始質心聚類結果作為聚類的初始質心進行聚類，對於每個物件選擇最近的質心，若到達每個質心的距離都超過設定的閾值，則建立新類。
4.計算滿意度（越低越好），重複步驟2-3，獲得新的滿意度，如果滿意度不再降低，則收斂。
【特點】
1.不需要指定目標聚類數目。
2.保證了每個簇的凝聚程度是比較好的，但是簇的個數比較多，而且無法應對不同密度的情況。
【衡量聚類結果】
1.按質心值排序，計算相鄰值之差的絕對值，然後相加。
【改進】
1.將相鄰的簇內物件數比較多的簇進行合併，從而減少簇的個數。
Canopy聚類演算法分析
canopy聚類演算法是可以並行執行的演算法，資料並行意味著可以多執行緒進行，加快聚類速度，開源ml庫mahout 使用。一 概念 與傳統的聚類演算法 比如 k means 不同，canopy 聚類最大的特點是不需要事先指定 k 值 即 clustering 的個數 因此具有很大的實際應用價值。與其...
聚類演算法 近鄰聚類演算法
time is always too short for those who need it,but for those who love,it lasts forever.dracula untold 近鄰聚類法同樣是一種基於距離閾值的聚類演算法。coding utf 8 近鄰聚類演算法的pyth...
聚類演算法 層次聚類演算法
層次聚類演算法 hierarchical clustering method 又稱為系統聚類法 分級聚類法。層次聚類演算法又分為兩種形式 凝聚層次聚類 首先將每個物件作為乙個簇，然後合併這些原子簇為越來越大的簇，直到某個終結條件被滿足。層次聚類 首先將所有物件置於乙個簇中，然後逐漸細分為越來越小的簇...