路标识别与提取（采用聚类方法）（C-means）（K-means）能对路边进行有效识别和提取，采用MATLAB语言编写。

这本模式识别的书非常经典，然而也非常稀罕，很少有人有。
我最早读的是第二版，这本书全面覆盖了统计模式识别领域的重要知识点。
书中用大量篇幅讲解无监督聚类方法，这一点在模式识别教材中应该是独一无二的，比如Duda的书在这方面只留了一章，处理的也比较简单。
另外，本书还有章节专门讲特征抽取、选择，以及模板婚配这些内容，也弥补了Duda教材的不足。
第三版增加了一些内容，主要是基于核方法的内容，反映了学界的进展。
-Bookofthispatternrecognitionisveryclassic,however,veryrare,veryfewpeoplehave.Ifirstreadthesecondedition,thisbookcomprehensivelycoverstheimportantpointsofthefieldofstatisticalpatternrecognition.Bookatgreatlengthtoexplaintheunsupervisedclusteringmethod,whichisuniqueinpatternrecognitiontextbooks,suchasDuda'sbookinthisregard,leavingonlyonechapter,isalsorelativelysimpletodealwith.Inaddition,thebooktherearechaptersdedicatedspeakersfeatureextraction,selection,andtemplatematching,butalsocompensateforthelackofmaterialsDuda.Thethirdeditionoftheincreaseinsomeofthecontentismainlybasedonthecontentofthekernelmethod,reflectingtheacademicprogress.

提出了一种基于骨架拐角检测的分离方法，以处理视频监控中合并车辆的问题。
首先，通过“射击法”提取融合区域的骨架，并通过角点检测得到骨架的角点。
其次，利用K-means聚类方法对角点进行聚类，从聚类结果中获取合并车辆的分割线。
来自监视视频的五十幅图像被用作实验数据。
实验结果表明，该算法不仅可以有效缓解合并车辆分离中的过度分割问题，而且可以减少所需的分离时间。

中国科学技术大学汪增福模式识别课程课件。
第一章为绪论。
第二章引见统计模式识别中的几何方法，着重引见特征空间的概念和相关分类器的设计方法。
第三章引见统计模式识别中的概率方法，着重引见最小错误概率分类器、最小风险分类器、纽曼皮尔逊分类器和最小最大分类器以及概率密度函数的参数估计和非参数估计等。
第四章讨论典型分类器错误概率的计算问题。
第五章讨论无监督情况下的模式识别问题，着重引见几种典型的聚类算法：基于分裂的聚类方法、基于合并的聚类方法、动态聚类方法、基于核函数的聚类方法和近邻函数值聚类方法等。
第六章讨论结构模式识别问题，给出几种典型的文法规则和与之相关联的识别装置，包括有限状态自动机、下推自动机和图灵机等。
最后，在第七章对全书进行总结。

初始聚类中心给定。
K均值聚类算法首先是聚类算法。
K均值算法是一种简单的迭代型聚类算法，采用距离作为类似性指标，从而发现给定数据集中的K个类，且每个类的中心是根据类中所有值的均值得到，每个类用聚类中心来描述。
它将类似的对象归到同一个簇中，聚类方法几乎可以应用于所有对象，簇内的对象越类似，聚类的效果越好，之所以称之为K-均值是因为它可以发现k个不同的簇。

本程序是面向对象的K均值聚类方法的模仿退火法的改进版本

首先，读取利用数据绘制了31个省份的直方图和曲线图并进行分析；
其次，利用手肘法确定K均值聚类的K值并对数据31个样品进行K均值聚类；
再次；
利用K均值聚类的效果，采用同样分类个数的模糊C均值聚类方法对31个样品再次聚类，并得到了每个样品聚类的结果和概率；
最初，根据原始数据求得其协方差矩阵并进行主成分分析，基于生活经验与查阅资料对主成分进行解释和验证。

手脸近距遮挡属于深度传感器应用中具有代表性的难点问题，针对该问题提出了一种综合利用颜色与深度信息的手势识别方法。
采用核模糊C-均值聚类，对手脸遮挡图像进行粗分割和灰度增强，实现手脸分离。
引入初始化水平集函数，处理聚类方法导致的手势区域像元缺失问题。
利用基于深度信息的梯度方向直方图(HOG)特征对手势进行分类识别。
通过采集不同人体手脸近距遮挡情形下的多种手势图像建立了样本数据库，进行了对比实验，实验结果验证了该方法的可行性和有效性。
本文方法能有效分离近距遮挡的手和脸，提取得到相对完整的手势信息，深度HOG特征能够对手势空间信息进行精确描述，具有比传统形状特征更准确的识别效果。

仿真产生的雷达信号脉冲，并使用聚类方法进行分选，代码精辟详细。
值得自创！

积分最低，模糊聚类matlab程序，外面有相关系数法聚类，欧几里得法等聚类方法

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。