1) K-medoids algorithm
K中心算法
2) K-medoids algorithm
K-中心点算法
1.
Based on the approximate invariance of Reachability Grammiam on injections of different operating points around normal operating point, the acceleration method combining with the coherency identification method can identify instability modes quickly at the normal operating point by use of the K-medoids algorithm.
提出了一种快速识别初始运行点附近失稳模态的方法,该方法基于大量计算观察到的初始运行点附近不同运行点注入下模型的可达性格纳姆矩阵元素近乎不变的性质,将基于K-中心点算法的同调识别和初加速度法相结合,快速识别初始运行点附近的失稳模态,为实用动态安全域(PDSR)直接法提供了临界点搜索建议,改善了PDSR法。
3) K-medoid algorithm
K中心点算法
1.
K-medoid algorithm is a popular method for clustering.
K中心点算法是一个常用的聚类算法,它的主要缺陷是容易陷入局部极值,计算代价太高。
4) k-medoids substitution algorithm
k-中心点轮换算法
5) k-center
k-中心点法
1.
Improved particle swarm optimization based on k-center and its application in traveling salesman problem;
基于k-中心点法的改进粒子群算法在旅行商问题中的应用
6) k-center algorithm
k中心点法
补充资料：BP算法
分子式：
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
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