亚洲精品国产九九九,国产精品一区免费视频,国产成人精品日本亚洲专区61

K-Menas算法

一、算法簡介
　k-means 算法接受輸入量 k ；然后將n個數據對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。

二、偽碼

算法：K-means。

輸入：

K：聚類的數目

D：包含n個對象的數據集

輸出：K個聚類的集合

方法：

（1）從D中任意選擇K個對象作為初始聚類中心；

（2） repeat

根據聚類中對象的均值，將每個對象（再）指派到最相似的聚類；

更新聚類均值，即計算每個聚類中對象的均值；

（3） until聚類不再發生變化

算法復雜度為: O(nkt).其中t為迭代次數

三、準確性評價

四、應用和擴展

posted on 2011-01-04 11:05 XXXXXX 閱讀(482) 評論(0) 編輯收藏所屬分類: Algorithm


只有注冊用戶登錄后才能發表評論。




網站導航: 博客園 IT新聞 Chat2DB C++博客博問管理
相關文章: Trie Tree Bloom Filter 【編程珠現】-算法設計技術【編程珠璣】-啊哈！算法【編程珠璣】-開篇 K-Menas算法打印全排列