说明：资源描述模糊聚类虽然能够对数据聚类挖掘，但是由于网络入侵特征数据维数较多，不同入侵类别间的数据差别较小，不少入侵模式不能被准确分类，基于此，本程序采用结合模糊聚类和广义神经网路回归的聚类算法对入侵数据进行了分类，并通过仿真实验验证了算法可行性。

matlab 算法 神经网络 网络 基于 研究 入侵

说明：使用c-均值聚类算法在IRIS数据上进行聚类分析，随机选择三个初始聚类中心，经过多次迭代，最终将150个样本分为三类。

iris-聚类 C均值算法 C均值聚类IRIS Iris聚类matlab cluster-IRIS

说明：一种基于粒子群K均值聚类算法的电梯交通模式识别方法。该方法通过对此前一周的原始客流数据进行聚类分析，得到相应交通模式的聚类中心坐标[2]。针对实时变化的交通流数据，采集5 mins时段客流数据，根据最近邻原则划分其归属的聚类中心，从而识别出当前的交通模式。

粒子群 K均值 聚类算法 电梯 交通模式 识别方法 PSO

说明：pca-kmeans聚类先将数据(wine，uci数据集)降维处理，在进行聚类

uci-kmeans 聚类降维 聚类UCI uci-聚类 wine聚类

说明：用于对数据进行模糊聚类，输出隶属度矩阵和聚类中心。

fcm 聚类 FCM聚类 模糊聚类-输出 隶属度

说明：二维多密度网格聚类算法，主要是完成二维数据的网格聚类，采用的是多密度临近的算法。

二维多密度网格 聚类算法 二维数据 网格聚类 多密度临近算法 二维多密度网格聚类算法

说明：CLIQUE聚类算法CLIQUE是高维数据空间中基于网格和密度的聚类方法。

clique-communities 基于网格聚类 CLIQUE算法 网格-聚类 k-clique

说明：ISODATA聚类算法，内附详细注解，使用了Iris数据集。ISODATA是一种常用的聚类算法之一。

isodata聚类算法 聚类的数据集 matlab-isodata Iris-ISODATA iris-聚类-matlab

说明：混合高斯模型对于给定的数据，可以自动选择最佳聚类数目和聚类中心，并根据判决规则进行收敛，运算很快，非常方便

高斯模型matlab 混合聚类 聚类数目matlab 最佳聚类 cluster

说明：聚类的测试数据集，matlab打开，3个cluster，1W个测试点，2维。

点聚类 聚类测试 matlab--聚类 wams 聚类-matlab