1) K-means algorithm
K-平均算法
1.
A heuristic algorithm is proposed for selecting initial seed values in the K-means algorithm.
以内部聚类准则作为评价指标,实验结果表明,该算法明显好于 K-平均算法。
2.
K-means algorithm is a classical clustering algorithm.
文中通过分析K-平均算法的优缺点,提出了一种基于人工鱼群算法的聚类分析算法,并把它与传统的K-平均算法结合得到一种新的混合聚类算法。
3.
This article analyzes the deficiency of K-means algorithm and improves the algorithm with relative best partition and weight in the computation of distance of clusters and cases.
针对K-平均算法存在的缺陷,通过引入相对最佳随机划分方法以及在计算样本与簇中心时的权重,改进了K-平均算法。
2) K-means
K-平均算法
1.
Study of Text Clustering Based on K-Means Algorithm;
基于k-平均算法的文本聚类系统研究与实现
2.
With this method,the center and number of clustering are determined by using the clustering algorithm based on threshold,and then the above clustering results are optimized by the K-means algorithm combining with transition probability based on the ant colony algorithm.
按此方法,首先由基于阈值的聚类算法进行聚类,生成聚类中心,聚类个数也随之初步确定;然后将蚁群算法的转移概率引入K-平均算法,对上述聚类结果进行二次优化。
3) K-harmonic means algorithm
K-调和平均算法
4) k mean partition algorithm
k平均分区算法
1.
The paper analyses and compares the different disadvantages of k mean partition algorithm and layer clustering algorithm and then points out an improved new algorithm(NQ algorithm).
在分析和比较k平均分区算法和层次凝聚算法的基础上,提出了一种新的改进算法(NQ算法)。
5) axial K-means algolithm
轴K-平均算法
6) K-means algorithm
k-均值算法
1.
The fuzzy clasifier based on the K-means algorithm is ef fi ciently design so that the training patters can be correctly classified.
基于K-均值算法的模糊分类器具有很好的分类效果 ,用它可以很准确的对训练样本进行分类 。
2.
For increasing classifier s classification rate,We make use of the fuzzy theories to K-means algorithm again.
为了提高分类器的分类率,再一次把模糊的思想引入K-均值算法,构成双重模糊K-均值算法的分类器,所不同的是把模糊化思想引入到分类规则上;用这样一个模糊规则来表示分类的模糊系统,更加有效地构建了一个能够对训练样本比较准确分类的模糊分类器,用这种方法设计的分类器有效地提高了分类器的分类率;最后用Iris数据进行仿真测试,测试结果显示其分类率能够达到98%左右,并且不需要预定义参数,训练时间短,方法简单。
3.
An improved K-means clustering algorithm is proposed,which is based on basic K-means Algorithm,and which choose original clustering centers based on densities and improves clustering effects according to feature weight learning.
本文提出了一种改进的K-均值聚类算法,在基本K-均值算法的基础上运用基于密度选择初始中心点并且通过学习特征权值改进聚类效果,克服了基本K-均值算法初始中心点难以确定、聚类结果不稳定的缺点;然后建立了一种基于改进的K-均值算法的人事管理系统聚类分析模型,本模型采用SQL Server 2000数据库实现并成功运用于国内一家知名软件企业的人力资源管理系统中,为该企业选聘人才和用好人才提供了有益的参考。
补充资料：访问者数目、平均停留时间和平均消费支出
访问者数目、平均停留时间和平均消费支出
小。访问者数目、平均停留时间和平均消费支出访问者数目指国外来访者入境人数(包括旅游者和短途旅行者)。停留时间指国外来访者在一国(旅游目的地国家和地区)内的度夜天数。平均停留时间，即平均停留天数，指报告期内平均每一个访间者停留的度夜天数。访问者在一国内停留时间的长短，与该国的旅游资源、旅游活动项目、旅游设施、旅游服务质量以及旅游行业部门的接待安排和旅游宣传等对访问者的吸引力大小有密切关系。它决定访间者的消费支出，也决定一国的国际旅游作业的收入。一国国际旅游业延长访问者的停留时间，等于接待了更多的访间者。因此，旅游目的地国家和地区把吸引更多的访问者到该国或该地区参观、游览、娱乐、消遣、休憩，并延长其停留时间作为提高该国该地区的国际旅游业经济效益的一个很重要的方面。其计算公式如下:平均停留天数一报告期接待人天数(度夜人天数)报告期接待人数(度夜人数) 有些国家和地区，特别是中小国家，通过接待国外来访者，还与该国或该地区的常住人口总数作比较.计算其旅游密度，以此说明该国该地区发展国际旅游事业的普遍程度，其计算公式如下:旅游密度-报告期国外来访者入境人数常住人口总数计算国外来访者平均消费支出，国际上一般用三个指标来表一是访问者平均每人每天消费支出额。计算公式为:访间者平均每人每天消费支出额报告期访问者消费支出总额报告期访间者度夜人天数这个指标的计算，不受访问者人数的多少和访问者停留时间长短的影响:二是访问者平均每人消费支出额，计算公式为:访问者平均每人消费支出额报告期访问者消费支出总额报告期访问者人数 报告期访问者平均、报告期平均一~，~一、、，，~，一入~，一一，~ 母人母大泊费支出钡停留大叙这个指标的计算，不受访问者人数多少的影响.但受停留时间长短的影响。停留时间长，每人消费支出就大。反之，则小。 三是访问者平均每天消费支出额.其计算公式为:访间者平均每天消费支出额报告期访问者消费支出总额报告期日历天数报告期访问者平均、报告期日~~一、、，~..一入一，，母人母大摘费支出钡十均人致这个指标的计算，不受停留时间长短的影响，但受访问者人数多少的影响。访问者人数愈多，日平均消费支出额就愈大反之.则愈
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条