完成二维空间坐标的聚类，对处于平面的二维点群进行分类

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.

对文本进行聚类，文本预处理-_-构造特征向量-_-聚类，紧缩包内含有实验用语料

内容含基于加速遗传算法的投影寻踪聚类模型，程序有详细正文，操作性强

模糊聚类、均值漂移，应用小波变换的多分辨率的特性，将上一层的分割结果用于下一层的图像分割

基于克隆选择原理和免疫优势理论,本文提出一种新的基于免疫优势的克隆选择聚类算法(Immun-odomaincebasedClonalSelectionClusteringAlgorithm,IDCSCA),该算法通过在经典的克隆选择算法框架中,引入基于免疫优势理论的免疫优势算子实现了在线自适应动态获得先验知识和个体间的信息共享.新算法首先通过对群体中若干最优抗体的分析,提取免疫优势,然后将其推广到整个抗体群,通过在进化过程中利用积累的先验知识,在保证抗体种群多样性的基础上加快收敛速度.采用个5个数据集对算法功能进行了测试,与模糊C均值算法(FuzzyC-means,FCM)、基于遗传算法的模糊聚类算法(GeneticAlgorithmbasedFuzzyC-means,GAFCM)以及基于克隆选择的模糊聚类算法(ClonalSelectionAlgorithmbasedFuzzyC-means,CSAFCM)比较,结果表明IDCSCA能有效避免聚类中心迭代过程中陷入局部最优点的问题,而且聚类功能更稳定.

基于遗传模仿退火算法的模糊C均值聚类算法（MATLAB自带的遗传算法工具箱），注释清楚，可直接更改使用，代码在MATLAB2016里运行通过！

基于稀疏表示的子空间聚类算法跟各人分享一下~~~

包括两个文件，kmeans聚类算法cpp文件，和用于测试的鸢尾花数据集txt文件，代码带详细注释，简约明了，下载之后马上可以进行测试

学习了基于层次的聚类CURE算法，总结了一篇文章，这里给出网上总结的以个CURE算法在Matlab中的实古代码。

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。