划分聚类K均值挖掘，本程序用MFC强力打造经典算法，程序附有要处理的数据集，程序源代码有很详细的注释，功能基本实现。
数据集为4177行记录，8维属性元组。
本程序为MFC做成，界面友好。
广大用户完全可以根据已知的数据集，对程序进行相应的修改。

很好用的灰色系统理论软件，简单易操作。
可进行灰色系统预测，灰色关联分析，灰色聚类分析等功能。

密度聚类c++写的，有mfc可视化界面。
k均值还没写后面写了再上传。
初学者没积分下别人的文档硬刚了半个多月写的，期间踩坑无数，同样没积分的兄弟留言给你百度云分享。
有兴趣又有积分的朋友希望能给我贡献两个下载积分------------

问题发现：本次案例为工作中遇到的实际问题，在语音识别中的语料准备部分，需要从网络中爬取相当数量的相关文本，其中发现爬取到了一些不相关的内容，如何把这些不相关的内容剔除掉成为笔者需要思考的问题。
初步思考：遇到此问题笔者第一时间考虑是将文本分词后向量化，使用聚类看一下分布情况，然而发现在不同训练集中，训练样本变化时，向量随之变化，在测试集中表现一般，在实测中几乎无用。
于是想到向量化的方法问题，使用sklearnCountVectorizer方法进行向量化，仅仅是将所有词频无序的向量化，看到另外博文时，发现应该先将目标主题的文本进行词频统计，将统计结果当做向量化模板，实测发现效果不错，现将此方法分享给大家

《社会网络分析:理论、方法与应用》的内容结构是，除前言外共分为八章，分别介绍社会网络分析的基本原理和理论、社会网络资料类型和收集方法、网络分析的各种技术与方法、社会网络分析的应用等内容。
第一章首先追溯了西方社会网络分析的思想渊源，对国内外的研究状况做了系统回顾，介绍了社会网络分析的一些新进展。
社会网络分析有不同的学科发展背景，其发展也经历了不同的阶段。
我们通过回顾社会网络分析思想与方法在西方的发展，梳理出其中的主要线索和问题，并结合国内的研究状况进行探讨，目的在于强调更好地借鉴已有的成果，加强对社会网络分析的认识和应用。
第二章系统说明了社会网络分析的基本原理。
社会网络分析作为一种独立的社会研究方法，已形成了自己的理论基础和方法论原则。
通过这些方面我们可以认识社会网络分析方法的特征及其独特之处。
在本章中我们在说明社会网络分析概念的基础上，具体介绍了社会网络分析的方法论原理和研究程序。
第三章主要说明社会网络分析所用的数据资料具有自己的类型与特征，它是一组反映行动者关系的信息。
社会网络资料首先是关于社会关系的数据信息，简称关系数据。
关系数据不同于属性数据，不仅其本质内容不同，其表达形式也不同。
本章在介绍了社会网络资料的概念和类型基础上，结合研究设计具体说明了社会网络的测量及其收集方法。
第四章主要介绍社会网络分析的研究技术与方法。
社会网络最基本的数学表达形式是图论法和矩阵法。
图论法是以线和点的形式来表示行动者及其关系的一种方法。
用社群图可表示社会关系的结构、特征等属性。
矩阵法是把社会网络中的每一个结点或关系分别按行和列的方式排列即可形成网络矩阵，包括邻接矩阵、关联矩阵等。
矩阵法可以对群体关系进行具体分析。
第五章是关于社会网络的中心度分析。
中心度是我们认识社会网络中行动者位置及其关系的重要概念，具有广泛的应用性。
本章首先介绍了中心度、中心势概念，重点说明了结点中心度、紧密中心度、间距中心度及其测量方法。
最后又对社会网络中与等级密切相关的权力和声望作了分析。
网络中的声望不同于一般意义的社会声望概念，这里主要说明了接近度声望概念及其测量。
第六章是关于社会网络分析中的子群研究。
构成社会网络的基本元素就是行动者及其群体，社会中存在着各种各样的子群，它们相互结合形成了复杂的社会结构。
本章首先从社会群体、子群概念出发，说明各种团聚性的子群及其测量方法，包括“团伙”、n-团伙、n-宗派、k-丛等，最后分析隶属性群体。
第七章是关于网络中的位置和角色的分析。
在社会结构分析中，位置和角色是两个重要的概念。
本章在简要介绍了网络分析的位置和角色概念之后，主要说明了结构等价性、自同构等价性和正则等价性及其不同的测量方法，最后一节简要介绍了关系代数法和统计模型法。
位置和角色分析是目前社会网络分析中数量化分析程度最高的方面，已应用和发展出了许多不同的数学分析方法。
本章结合例子简要介绍了聚类法、统计模型法等。
这些分析方法现在都可借助于有关的分析软件来应用。
第八章讨论了社会网络分析的一些应用。
社会网络分析具有非常广泛的应用，其应用领域已远远超出了社会学和人类学的传统范围，如小群体关系、社会支持网等，而且扩展到了人文社会科学甚至工程技术科学的诸多领域。
但《社会网络分析:理论、方法与应用》只是简要分析了与社会网络分析密切相关的社会资本研究以及体现中国社会结构特征的“关系”研究。

建模分析师（数据分析师、数据挖掘工程师）理论基础：统计学、概率论、数理统计、多元统计分析、时间序列、数据挖掘（DM）软件要求：Excel、SQL（必要）&SPSSModeler、R、Python、SAS、Weka等（可选）分析方法要求：除掌握基本数据处理及分析方法以外，还应掌握高级数据分析及数据挖掘方法（多元线性回归法、生存分析法、神经网路、决策树、判别分析法、主成分分析法、因子分析法、典型相关分析、聚类分析法、关联规则、支持向量机、bagging、boosting等）和可视化技术。
业务分析能力：可以将业务目标转化为数据分析目标熟悉常用算法和数据结构，熟悉企业数据库架构建设针对不同分析主体，可以熟练的进行维度分析，能够从海量数据中搜集并提取信息通过相关数据分析方法，结合一个或多个数据分析软件完成对海量数据的处理和分析结果展现能力：报告体现数据挖掘的整体流程，层层阐述信息的收集、模型的构建、结果的验证和解读，对行业进行评估，优化和决策。

关于模糊C-均值(FCM)聚类算法的改进关于模糊C-均值(FCM)聚类算法的改进

谱聚类和计算轮廓系数评估聚类效果代码matlab，可以提供借鉴参考

Clusteringbyfastsearchandfindofdensitypeaks

内容含加速遗传算法及基于遗传算法的投影寻踪聚类模型，程序有详细注释，方便操作内容含加速遗传算法及基于遗传算法的投影寻踪聚类模型，程序有详细注释，方便操作

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。