基于类

基于网格的聚类算法是一种能有效发现任意形状簇的无监督分类算法，克服了基于划分和层次聚类方法的局限性。网格方法将数据空间划分为网格，将落在同一网格中的数据点视为同一簇。常见的基于网格的聚类算法包括：- CLIQUE- WaveCluster

该压缩文件包含了模糊聚类的基础算法，其中包括多种建立模糊相似矩阵的方法供选择。

使用 MATLAB 编写基于类的单元测试以验证代码的正确性。

基于时间序列的模糊循环聚类算法提供了对历史过程数据进行有效分析的工具。

利用JAVA语言设计的面向对象的基于DBSCAN算法的数据分类技术，充分发挥其在数据处理中的优势和效果。

请引用：Emre Güngör，Ahmet Özmen，使用高斯核的基于距离和密度的聚类算法，发表于《Expert Systems with Applications》第69卷，2017年，第10-20页，ISSN 0957-4174。详细信息请参阅原始文章链接：https://doi.org/10.1016/j.eswa.2016.10.022 （http://www.sciencedirect.com/science/article/pii/S095741630553X）。对于聚类数据集和/或形状集，您可以查看：https://cs.joensuu.fi/sipu/datasets/

针对机场噪声数据的特征，提出了一种基于代表点的快速层次聚类算法。该算法在传统凝聚层次聚类算法的基础上，结合聚类代表点法和二分法策略进行改进，以提高效率。 为了评价聚类结果，提出了一种结合聚类代表点和聚类算法相似性定义的方法。实验结果表明，该算法不仅运行效率高，而且能够较准确地发现特定类型飞行事件的噪声分布模式。利用该分布模式，可以较准确地预测特定类型飞行事件的噪声分布状况。

该算法将网格原理应用于基于密度树的聚类算法，提高效率，降低I/O开销。

K-子空间算法是一种聚类方法，其思路类似于 K-均值算法，都可以将数据划分到不同的簇中。

提供了一个完整的 MongoDB 类实现，该类参考了 CodeIgniter (CI) 框架的数据库操作方式，并包含详细的测试实例以供参考。