功能1. kMeans.predict(Xnew)
描述1. 返回一个或多个测试实例的估计集群。
例子
X = [[1, 2]; [1，4]; [1, 0];[10, 2]; [10, 4]; [10, 0]]; Xnew = [[0, 0]; [12，3]]; k = 2;
mdl = kMeans(k); mdl = mdl.fit（X）; Ypred = mdl.predict(Xnew)
Ypred =
1 2
质心 = mdl.C
1 2 10 2
请参阅脚本文件中的示例。
2022-04-28 21:23:37
38KB
1
km-匿名可以抵制长度为m的背景知识攻击,然而现有的匿名化算法在泛化处理时,优先选择支持度最小的位置点进行处理,未考虑泛化造成的变形度。随着m值的增大,轨迹变形度会变大。针对该问题,提出2种匿名化算法:最小变形度贪心算法和基于先验原则的最小变形度贪心算法,2种算法优先选择变形度最小的位置点进行泛化,使得泛化所造成的变形度更小,并给出匿名轨迹可用性度量方法,对数据可用性和算法效率进行分析。实验结果表明,与现有的匿名化算法相比,2种算法均可生成可用性更高的匿名轨迹。
2022-02-04 07:22:50
377KB
1
该文档详细地讲述了kmeans聚类算法的概念，以及各个参数，各个参数的属性的详细意思及应用，并且通过及例分析讲述了该算法 的应用。
2021-12-16 20:10:27
15KB
1