一、算法描述 k中心点算法:首先为每一个簇随意选择一个代表对象;剩余的对象其与 代表的对象的距离分配给最近的一个簇。然后反复的用非代表对象来替代代表 对象,以改进聚类的质量。聚类结果的质量用一个代价函数来估算,该函数度 量对象与其参与对象之间的平均相异度。为了确定非代表对象Om是否是当 前代表对象O的好的替代,对于每一个非代表对象P,考虑以下四种情况

文章从金融发展、经济发展和基础环境3个方面建立了指标体系后,以熵权法对广西14个城市区域的金融生态环境进行全面测度,再将指标体系中各指标进行聚类,进一步探究各个区域间的差异与规律,最后得到结论

复旦大学：《商务智能》课程PPT教学课件（商务数据分析）密度聚类——算法详解

《工程科学学报》：基于近邻的不均衡数据聚类算法

《工程科学学报》：基于不同算法的高炉操作炉型聚类效果对比

机器学习：鲁棒的模糊方向相似性聚类算法

【知识工程】可能性匹配知识迁移原型聚类算法

【智能系统】可拓聚类的科教人际网络节点重要性动态分析方法

【机器学习】公理化模糊共享近邻自适应谱聚类算法

【机器学习】结合谱聚类的标记分布学习