基于k-means聚类的我国乳制品消费集群研究——来自全国31个省份乳制品消费数据的分析.pdf
2021-08-19 09:23:01
1.78MB
1.首先，我们选择一些类/组来使用并随机地初始化它们各自的中心点。要想知道要使用的类的数量，最好快速地查看一下数据，并尝试识别任何不同的分组。中心点是与每个数据点向量相同长度的向量，在上面的图形中是“X”。
2.每个数据点通过计算点和每个组中心之间的距离进行分类，然后将这个点分类为最接近它的组。
3.基于这些分类点，我们通过取组中所有向量的均值来重新计算组中心。
4.对一组迭代重复这些步骤。你还可以选择随机初始化组中心几次，然后选择那些看起来对它提供了最好结果的来运行
2021-08-18 11:47:49
2KB
1
K2Means 聚类算法用于将数据分成类, 同一个类中的数据之间具有很高的相似度, 而不同类中的数据高度相异K-Means 聚类算法已在网络入侵检测、计算机图像处理等领域有着广泛的应用。研究了K-Means 聚类算法的原理, 并通过VC ++ 6. 0 实现了K-Means 聚类算法聚类过程的图形演示。
2021-08-18 11:46:47
562KB
1