k-means 算法的工作過程說明如下:首先從n個數據對象任意選擇 k 個對象作為初始聚類中心;而對于所剩下其它對象,則根據它們與這些聚類中心的相似度(距離),分別將它們分配給與其最相似的(聚類中心所代表的)聚類;然后再計算每個所獲新聚類的聚類中心(該聚類中所有對象的均值);不斷重復這一過程直到標準測度函數開始收斂為止。
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶: