7,129
个编辑
更改
跳到导航
跳到搜索
第54行：
第54行： + 第67行：
第68行： − 首先从n个数据对象任意选择k个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数。<math> k </math>个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。+
→工作原理
'''处理流程'''
'''处理流程'''
（1）从<math> n </math>个数据对象任意选择<math> k </math>个对象作为初始聚类中心；
（1）从<math> n </math>个数据对象任意选择<math> k </math>个对象作为初始聚类中心；
'''工作过程'''
'''工作过程'''
首先从<math> n </math>个数据对象任意选择k个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数。<math> k </math>个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。
==算法==
==算法==