kmeans

总裁余(余登武)

K-means算法改进（Python版）文章摘要：本文针对传统 K-Means 聚类算法对初始聚类中心敏感、易陷入局部最优的问题，系统介绍了两种改进方法。方法一基于密度权值，通过计算全局平均距离、局部密度、特征权重与密度权值，选取位于数据密集区且相互远离的点作为初始质心；方法二利用 DBSCAN 预筛选高密度核心点，以各簇核心点均值作为 K-Means 初始质心，规避离群点干扰。两种方法均附有完整 Python 实现与可视化对比，可有效提升聚类稳定性与效果。

【有源码】基于K-Means算法的航空客户行为分群及异常预订识别研究-基于大数据的航空客户预订行为多维分析与可视化大屏设计注意：该项目只展示部分功能，如需了解，文末咨询即可。发语言：python 采用技术：Spark、Hadoop、Django、Vue、Echarts等技术框架数据库：MySQL 开发环境：PyCharm

机器学习之K-means聚类K-means聚类属于无监督学习中最经典、最实用的迭代式聚类算法。无监督学习：不需要标签数据，算法**自主发现数据中的规律、相似性和差异性**（核心任务是聚类）。

Mobike 共享单车分析项目这个项目从单车骑行订单中分析用户的时间、距离与停放位置。核心目标是找出高频停车热点，为停车架、电子围栏、巡检和车辆调度提供数据依据。

计算机源码社

基于Spark的租房数据挖掘与可视化平台构建研究基于K-Means与PCA的租房价值洞察与可视化分析💕💕作者：计算机源码社 💕💕个人简介：本人八年开发经验，擅长Java、Python、PHP、.NET、Node.js、Spark、hadoop、Android、微信小程序、爬虫、大数据、机器学习等，大家有这一块的问题可以一起交流！ 💕💕学习资料、程序开发、技术解答、文档报告 💕💕如需要源码，可以扫取文章下方二维码联系咨询

路径规划666

(MATLAB代码) 船舶轨迹聚类：K-means 算法(260912)这段 MATLAB 代码使用的是 K-means 聚类算法。代码中通过 kmeans(coords, numClusters) 函数对船舶 AIS 轨迹的经纬度坐标进行聚类，将轨迹点划分为 200 个簇。

计算机源码社

【大数据项目实战】基于K-Means的科技公司裁员特征分群与规模信号挖掘系统基于数据挖掘的科技企业裁员事件异常检测与可视化研究💕💕作者：计算机源码社 💕💕个人简介：本人八年开发经验，擅长Java、Python、PHP、.NET、Node.js、Spark、hadoop、Android、微信小程序、爬虫、大数据、机器学习等，大家有这一块的问题可以一起交流！ 💕💕学习资料、程序开发、技术解答、文档报告 💕💕如需要源码，可以扫取文章下方二维码联系咨询

计算机毕业设计选题推荐：基于大数据的水质多指标关联分析与可视化的设计与实现，Spark 加 K-Means 做水质分群精彩专栏推荐订阅：在下方主页👇🏻👇🏻👇🏻👇🏻💖🔥作者主页：计算机毕设木哥🔥 💖

小O的算法实验室

IEEE TEVC，基于K-means与DQN辅助元启发式算法的多目标两栖无人艇调度模型随着无人艇（USV）和两栖无人艇（AUSV）技术的发展，多艇协同调度受到关注，但现有研究主要面向传统USV，对同时具备水面航行和陆地行驶能力的AUSV调度研究不足。本文研究带障碍规避的多目标AUSV调度问题，在统一框架内同时最小化最大完工时间和总能耗。研究建立序列型与位置型两种互补的数学模型；采用改进A*计算兼顾水陆模式切换的可行路径；以人工蜂群（ABC）、遗传算法（GA）、粒子群（PSO）和Jaya算法为核心搜索器，引入三种K-means初始化策略、七种问题特征局部搜索算子，以及依据状态特征和目标变化选

计算机毕设选题推荐：基于大数据的公共交通运营数据分析与可视化，Spark+K-Means聚类城市运营模式精彩专栏推荐订阅：在下方主页👇🏻👇🏻👇🏻👇🏻💖🔥作者主页：计算机毕设木哥🔥 💖

啥都想学点的研究生

一篇文章讲清楚：K-Means聚类算法通过这篇文章，我们需要知道什么是聚类，了解聚类算法的应用场景，知道聚类算法的分类，了解Kmeans算法的API，动手实践Kmeans算法，能掌握K-means聚类的实现步骤，了解 SSE 聚类评估指标，了解 SC 聚类评估指标，了解 CH 聚类评估指标，了解肘方法的作用；能使用聚类算法完成客户案例分析，知道怎么求最佳K值。

大数据毕业设计选题推荐：基于大数据的全球气温历史演变分析与可视化，用Hadoop+Spark处理精彩专栏推荐订阅：在下方主页👇🏻👇🏻👇🏻👇🏻💖🔥作者主页：计算机毕设木哥🔥 💖

计算机毕业设计选题推荐｜【基于大数据的植被光谱特征与环境因子关联分析及可视化】Spark+K-Means精彩专栏推荐订阅：在下方主页👇🏻👇🏻👇🏻👇🏻💖🔥作者主页：计算机毕设木哥🔥 💖

计算机毕设选题｜基于大数据与文本挖掘的自动驾驶事故成因分析及可视化研究｜Hadoop+PySpark+Django+Vue精彩专栏推荐订阅：在下方主页👇🏻👇🏻👇🏻👇🏻💖🔥作者主页：计算机毕设木哥🔥 💖

泡干脆面就番茄

机器学习：K-means 聚类与 DBSCAN 聚类无监督学习是机器学习的两大支柱之一。如果说分类是"照着答案对号入座"（有监督），那么聚类就是"没有答案自己找规律"（无监督）。本文用同一份啤酒数据集，对比聚类两大流派——基于划分的 K-means 与基于密度的 DBSCAN，一次讲透它们的原理、代码、调参与差异。

用户分群找不到规律？用K-Means聚类算法自动发现数据模式关键词：K-Means、聚类算法、无监督学习、用户画像、肘部法在AI应用开发中，我们经常遇到这样的场景：手头有一堆用户数据、日志记录或文档向量，但事先并不知道这些数据应该分成几类，更没有标注好的标签供模型学习。这时候，聚类算法就成了我们的"数据探照灯"——它能在没有监督信号的情况下，自动把相似的数据点归到同一组。

机器学习之心

分而治之：K-means 聚类 + LSTM 的多输出回归实战一个输入向量，同时预测 7 个目标量——机器人动力学里最常见的难题，被一条"先聚类、后建模"的朴素思路拆解得异常清爽。本文结合一份完整的 MATLAB 工程，把研究背景、算法步骤、公式原理、参数设定与实验结果讲透。

速通机器学习 11｜ K-Means 聚类目录前言一、K-Means 四大基础核心概念1. 簇数量 K2. 距离度量（衡量样本相似度）3. 簇质心（聚类中心）

12 K-Means 聚类入门：没有标签如何发现数据分组前面学习的线性回归、逻辑回归、K 近邻、决策树、随机森林和支持向量机都有一个共同前提：训练数据中存在已知答案。例如：

其美杰布-富贵-李

聚类算法详解：K-means、层次聚类与 DBSCAN聚类（Clustering）是无监督学习中最重要的任务之一。它不依赖人工提供的类别标签，而是根据样本之间的相似性，将数据自动划分为若干组，使同一组中的样本尽可能相似，不同组之间的样本尽可能不同。