2) K-means clustering
K-means聚类
1.
More effective algorithm for K-means clustering;
求解K-means聚类更有效的算法
2.
Research on segmenting color regions in textile printing image based on K-means clustering;
基于K-means聚类的纺织品印花图像区域分割
3.
Collaborative filtering recommendation model based on effective dimension reduction and K-means clustering
一种结合有效降维和K-means聚类的协同过滤推荐模型
3) K-Means cluster
K-Means聚类
1.
This paper adopted K-Means cluster to undertake spatio-temporal analysis of the number of tourists in Yancheng eco-tourism area for David s deer.
本文采用K-Means聚类法对盐城麋鹿生态旅游区游客数进行时空聚类,分别从省内和国内(省际)两个尺度上讨论了麋鹿生态旅游区游客变化的阶段性和市场划分,结果表明,1998~2005年间省内旅游流和国内(省际)旅游流从时间上可分为三个阶段,并较好地划分出了四种不同的客源地类型。
2.
Aiming at the high risk of customer loan contract violation in bank enterprise,combining a characteristic analysis model in economics with K-MEANS cluster algorithm in data mining,this paper carries on customer credit rating by using existing customer materials,thus realizing the high quality management of customer information,reducing the risk of bank loans.
针对银行业中客户贷款契约违约风险较高的问题,通过把经济学中的特征分析模型与数据挖掘中的K-MEANS聚类算法相结合,利用现有客户资料,对客户资信评级分类,从而实现对客户信息的高质量管理,降低银行对客户贷款的风险。
4) K-means clustering algorithm
K-means聚类算法
1.
Research on a method for building up a patent map based on k-means clustering algorithm
基于k-means聚类算法的专利地图制作方法研究
2.
In order to obtain better clustering results,after analyzing the advantages and disadvantages of hierarchical and k-means clustering algorithms,a new algorithm which combines the advantages of hierarchical and k-means clustering algorithms is proposed.
改进算法将分层聚类和k-means聚类算法的优点相结合,首先采用分层聚类,得到一个初始的聚类结果,然后应用k-means聚类算法继续聚类。
3.
The complexity of time and spatial is becoming the difficulty of K-Means clustering algorithm while it deals with the huge amounts of data sets.
K-Means聚类算法在面对海量数据时,时间和空间的复杂性已成为K-Means聚类算法的瓶颈。
5) K-Means cluster analysis
K-means聚类分析法
6) The k-means clustering algorithm
K-means聚类方法
补充资料：动态模糊聚类法
分子式：
CAS号：
性质：又称动态模糊聚类法。选定一批聚类中心，其指标能反映该类的特征，将样本向最近的聚类中心聚类。再根据分类结果确定新的聚类中心，其各项指标为该类中所有样本的相应指标的平均值。然后计算前后两聚类中心的差异，如差异大于某一阈值，说明分类不合理，需修改分类，即以新的聚类中心代替旧的聚类中心，直到前后两聚类中心的差异小于某一阈值，认为分类合理，从而终止分类过程。
CAS号：
性质：又称动态模糊聚类法。选定一批聚类中心，其指标能反映该类的特征，将样本向最近的聚类中心聚类。再根据分类结果确定新的聚类中心，其各项指标为该类中所有样本的相应指标的平均值。然后计算前后两聚类中心的差异，如差异大于某一阈值，说明分类不合理，需修改分类，即以新的聚类中心代替旧的聚类中心，直到前后两聚类中心的差异小于某一阈值，认为分类合理，从而终止分类过程。
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