-
petal-clustering
聚类算法集合
-
kmeans_colors
基于图像的主色查找的k-means聚类算法。由一个通用的k-means库支持，可作为独立库使用
-
abd-clam
基于流形的聚类、学习和近似
-
kmedoids
使用FasterPAM算法实现的k-Medoids聚类
-
faiss
Faiss的顶层绑定，Faiss是向量相似度搜索引擎
-
ckmeans
王和宋的Ckmeans聚类算法
-
hdbscan
纯Rust实现的聚类。对DBSCAN有巨大改进，能够识别不同密度的簇。
-
galah
微生物基因组去重器
-
kmeans
小型快速的k-means聚类计算库
-
catclustering
用于分类数据的层次聚类
-
聚类
在任意数据上执行kmeans聚类的简单方法
-
linfa-clustering
聚类算法集合
-
fast-tlsh
生成/解析/比较TLSH局部敏感哈希
-
jetty
Jet聚类
-
simple_clustering
实现图像聚类和分割算法，如SLIC和SNIC
-
egobox-moe
高斯过程混合模型
-
ff_k_center
一个具有公平条件和最坏情况保证的线性时间k-center算法，实际运行非常快。包括Python绑定。
-
pigmnts
使用K-means++从图像生成调色板
-
flame-clustering
基于局部近似成员关系（FLAME）的模糊聚类
-
faiss-sys
为Faiss提供本地绑定
-
dahl-salso
SALSO算法是基于分区损失函数获取聚类估计的有效贪婪搜索过程。该算法为许多损失函数实现了实现，包括...
-
clusterphobia
使用希尔伯特曲线进行无辅助聚类的算法和数据结构
-
linfa-hierarchical
层次聚集聚类
-
appr_dbscan_rust
引入Gan和Tao的近似DBSCAN算法
-
linfa-tsne
Barnes-Hut t-分布随机近邻嵌入
-
kaminpar
围绕KaMinPar的Rust包装器，KaMinPar是一个共享内存并行工具，用于启发式解决图划分问题
-
dbscan
无需依赖的DBSCAN聚类实现
-
supercluster-rs
用于快速层次点聚类的Supercluster
-
keyde
快速、无需依赖的空间查询
-
kmeans_smid
用于k-means聚类计算的轻量级库。修复来自
kmeans-rs的smid。 -
meanshift-rs
不需要预定义簇数的Rust版本的MeanShift聚类算法
-
rkm
通用的k-means实现
-
clustr
多线程字符串聚类
-
fuzzy_dbscan
模糊DBSCAN算法
-
cuvs-sys
libcuvs的底层Rust绑定
-
midas_cli
MIDAS (边缘流中基于微聚类的异常检测器) 的 Rust 端口
-
cogset
聚类算法的通用实现。包括 k-means、DBSCAN 和 OPTICS。
-
jotty
适用于短运行和长运行批处理的嵌入式分布式处理框架
-
tabu
通用局部搜索功能，包括基于局部搜索的聚类等派生应用
-
kmeans-color-gpu-preprocessor
着色器预处理器，用于用 kmeans-color-gpu crate 中适当的文件替换着色器中的 #includes
-
mixturs
Dirichlet 过程混合模型分割/合并算法的非官方实现
-
midas_rs
MIDAS (边缘流中基于微聚类的异常检测器) 的 Rust 库端口
-
midas_python
到 MIDAS (边缘流中基于微聚类的异常检测器) 的 Rust 库端口的 Python 绑定
-
markov-flow
基于马尔可夫链流量的矩阵计算进行图分析
-
grappes
实现各种聚类算法，如 k-Means 变体
-
ratio-markov
基于马尔可夫链流量的矩阵计算进行图分析
-
ratio-bus
比率总线检测算法和启发式方法
-
chordclust
序列聚类
-
postrep
基于Etcd的PostgreSQL聚类工具
-
核心集
核心集
尝试使用 DuckDuckGo 进行搜索。