聚类

Kmeans与KMedoids聚类对比以及python实现在机器学习领域，聚类算法是一种常用的无监督学习方法，用于将数据集中的样本划分为若干个簇，使得同一簇内的样本尽可能相似，而不同簇之间的样本尽可能不同。K-Means 和 K-Medoids 是两种经典的聚类算法，它们都基于划分的思想，但在具体实现和应用场景上存在一些差异。

孤独且没人爱的纸鹤

【机器学习】深入无监督学习分裂型层次聚类的原理、算法结构与数学基础全方位解读，深度揭示其如何在数据空间中构建层次化聚类结构🌟个人主页：落叶🌟当前专栏: 机器学习专栏目录引言分裂型层次聚类（Divisive Hierarchical Clustering）

yuanbenshidiaos

【大数据】机器学习------聚类聚类是一种无监督学习任务，旨在将数据集中相似的数据点划分到同一组（簇）中，使得同一簇内的数据点相似度高，不同簇的数据点相似度低。

Leiden算法一种用于社区检测的图聚类算法Leiden算法是一种用于社区检测的图聚类算法，其灵感来源于Louvain算法，但进行了多项改进以提高社区划分的质量和效率。Leiden算法由荷兰莱顿大学的研究人员在2018年提出，旨在解决Louvain算法在某些情况下可能出现的不连通社区问题，并确保生成的社区都是内部连通的。

《机器学习》——K-means聚类对以下数据进行聚类处理，进行分类：数据文件：通过网盘分享的文件：data.txt 链接: https://pan.baidu.com/s/19i7j4OttyWRkX13a7TXbRQ 提取码: hm1t –来自百度网盘超级会员v2的分享

论文阅读：Structure-Driven Representation Learning for Deep ClusteringXiang Wang, Liping Jing, Huafeng Liu, and Jian Yu. 2023. Structure-Driven Representation Learning for Deep Clustering. ACM Trans. Knowl. Discov. Data 18, 1, Article 31 (January 2024), 25 pages. https://doi.org/10.1145/3623400

【论文阅读】End-to-End Adversarial-Attention Network for Multi-Modal Clustering论文地址：CVPR 2020 Open Access Repository (thecvf.com)端到端对抗注意力网络用于多模态聚类（EAMC）的方法旨在通过探索来自多个模态或视角的互补信息，将数据聚类成不同的组。

机器学习之心

GMM高斯混合聚类算法（Matlab）GMM高斯混合聚类算法matlab2023b语言，一键出图，直接运行1.代码注释清晰，自行解读容易。2…输出图例如图所示包括：聚类图(聚类结果图)，协方差矩阵类型对模型性能的影响图.

使用分割 Mask 和 K-means 聚类获取天空的颜色在计算机视觉领域，获取天空的颜色是一个常见任务，广泛应用于天气分析、环境感知和图像增强等场景。本篇博客将介绍如何通过已知的天空区域 Mask 提取天空像素，并使用 K-means 聚类分析天空颜色，最终根据颜色占比查表得到主导颜色。

《机器学习》之K-means聚类目录一、简介二、K-means聚类实现步骤1、初始化数据点、确定K值2、通过距离分配数据点3、更新簇中心

聚类系列 (二)——HDBSCAN算法详解在进行组会汇报的时候，为了引出本研究动机（论文尚未发表，暂不介绍），需要对DBSCAN、OPTICS、和HDBSCAN算法等进行详细介绍。在查询相关资料的时候，发现网络上对于DBSCAN算法的介绍非常多与细致，但是对于OPTICS或者HDBCCAN算法的介绍要么是直接照抄一个在线文档的算法介绍，要么就是未能完整的讲出该算法的原理。为了能够给大家提供一个都能看懂的HDBSCAN算法介绍，于是有了该篇文章。

【论文阅读】SDA-FC: Bridging federated clustering and deep generative model论文地址：SDA-FC: Bridging federated clustering and deep generative model - ScienceDirect

稀疏子空间聚类 SSC（Sparse Subspace Clustering）在高维数据中，数据点往往并不是随机分布的，而是分布在多个低维子空间中。例如，人脸图片的集合可能分布在不同的子空间中，每个子空间对应不同的人；高光谱数据中的像素分布可以划分为不同的子空间，每个子空间对应不同的材料或地物。稀疏子空间聚类的目标是要将高维数据划分到多个低维子空间中，同时保持子空间的稀疏性。

孤独且没人爱的纸鹤

【机器学习】无监督学习麾下 K-means 聚类如何智能划分，解锁隐藏结构，为市场细分、图像分割、基因聚类精准导航🌟个人主页：落叶🌟当前专栏: 深度学习专栏目录1. 引言2. 聚类算法概述2.1 聚类算法的定义2.2 聚类的类型

肘部法则确定聚类数肘部法则（Elbow Method）是一种常用于确定聚类数的技术。其基本思想是通过计算不同聚类数下的聚类质量（通常使用每个数据点到其聚类中心的距离的平方和，即SSE，Sum of Squared Errors），并寻找“肘部”位置来确定最佳的聚类数。

日志聚类算法 Drain 的实践与改良在现实场景中，业务程序输出的日志往往规模庞大并且类型纷繁复杂。我们在查询和查看这些日志时，平铺的日志列表会让我们目不暇接，难以快速聚焦找到重要的日志条目。

【论文阅读】SCGC : Self-supervised contrastive graph clustering论文地址：SCGC : Self-supervised contrastive graph clustering - ScienceDirect

数据挖掘——聚类什么是聚类？聚类是无监督学习：给定的数据没有类标号信息数据挖掘对聚类的要求划分方法：将有n 个对象的数据集D划分成k个簇，并且 k ≤ n k≤n k≤n，满足如下的要求：

网络安全-老纪

UEBA-对等组聚类针对计算基础设施的网络攻击越来越多，因此需要更为高级的防御解决方案如入侵检测系统（Intrusion Detection Systems，IDS）来对抗攻击。使用网络行为异常检测（Network Behavior Anomaly Detection，NBAD）方法的IDS系统成为基于深度包检测（deep packet inspection，DPI）的传统网络安全系统的有效补充。NBAD系统通过追踪各种网络特征属性并建立正常行为基线检测威胁。而检测结果严重依赖基线的质量。当前有两种生成基线的方法，其一是对每

模式识别和机器学习 | 第八章聚类监督学习：分类、回归、排序非监督学习：聚类、降维、概率密度估计原始数据易获得，但标注数据昂贵；高维降噪；预处理步骤；降低存储/计算