k-means聚类算法与Matlab实现-dpMMlowVar:基于贝叶斯非参数的小方差渐近聚类方法

简介：
本项目介绍了一种基于贝叶斯非参数理论的小方差条件下k-means聚类改进算法，并提供了使用MATLAB实现的dpMMlowVar代码，适用于数据科学与机器学习研究。 贝叶斯非参数小方差渐近聚类算法库包括DP均值、动态均值、DP-vMF均值及DDP-vMF均值。为了便于比较，该库还实现了k-means与球形k-means两种方法。它包含一个可执行文件，支持使用上述四种方法进行批量处理。 文档中展示了一个利用DDP-vMF-means的示例，并依赖于dpMMlowVar库来实现从Kinect RGB-D流中的实时方向分割功能。如果您在研究或项目中应用了DP-vMF均值或者DDP-vMF均值，建议引用以下文献： Julian Straub, Trevor Campbell, Jonathan P. How 和 John W. Fisher III 的 Small-Variance Nonparametric Clustering on the Hypersphere 发表于CVPR 2015。 若使用动态均值，则应参考T.Campbell、M.Liu、B.Kulis及J.How的相应文献。