1樓：匿名使用者
在聚類分析中,k-均值聚類演算法（k-meansalgorithm）是無監督分類中的一種基本方法,其也稱為c-均值演算法,其基本思想是：通過迭代的方法,逐次更新各聚類中心的值,直至得到最好的聚類結果.\x0d假設要把樣本集分為c個類別,演算法如下：
\x0d（1）適當選擇c個類的初始中心；\x0d（2）在第k次迭代中,對任意一個樣本,求其到c箇中心的距離,將該樣本歸到距離最短的中心所在的類,\x0d（3）利用均值等方法更新該類的中心值；\x0d（4）對於所有的c個聚類中心,如果利用（2）（3）的迭代法更新後,值保持不變,則迭代結束,否則繼續迭代.\x0d下面介紹作者編寫的一個分兩類的程式,可以把其作為函式呼叫.\x0d%%function[samp1,samp2]=kmeans(samp);作為呼叫函式時去掉註釋符\x0dsamp=[11.
15066.72222.31395.
901811.08275.745913.
217413.82434.80050.
937012.3576];%樣本集\x0d[l0l]=size(samp);\x0d%%利用均值把樣本分為兩類,再將每類的均值作為聚類中心\x0dth0=mean(samp);n1=0;n2=0;c1=0.0;c1=double(c1);c2=c1;fori=1:
lifsamp(i) \x0dk-均值演算法需要事先知道分類的數量,這是其不足之處. 2樓：raymond啊哈哈 標籤傳播是一種半監督的分類演算法。流程是在圖中，將有標籤資料的標籤向近鄰傳播出去，直到穩定，即所有樣本的標籤資訊都傳播的穩定不再變動了。此時所有無標籤資料的標籤資訊得到了準確的估計。 聚類是根據樣本之間的相似度對資料集進行劃分，而不是利用已知的標籤資訊進行分類。 一切存在皆偶然。也許有一天我們的文明會隨我們一同消逝 我們應有的態度是 放浪大化中，不喜亦不懼。應盡便須盡,無復獨多慮。人類的產生是偶然，但高等生物的產生是必然。進化是為了能更好的適應生存環境而不斷的基因突變，基因突變本來就沒有什麼規律可循，所以進化出人類是一個偶然。但在地球上，各種生命為了能夠生存... 這是黃楊，冬青是綠色葉子了！不是冬青，應該是瓜子黃楊 小葉黃楊 龜甲黃楊 雀舌黃楊 中的某一個。黃楊與冬青是一種植物嗎？冬青是冬青科的植物，是高大的喬木，苦丁茶就是用冬青的葉做的！大葉黃楊是衛矛科，灌木，一般做綠籬用，也常修剪成球型 這是路邊的一種灌木和大葉黃楊在一起，葉子很小，無尖，不知道是什麼。... 說是有區別 其實也沒什麼區別 只是立場不同 比如您提到的紅客 就是以 愛國 為藉口進行黑客行為的組織 駭客即軟體破解方面的商業性黑客行為 其實他們做的事都是一樣的 當然 怎麼好聽怎麼來 接觸的多了 你就不會在意這些了 都只是一些 不遵守網際網路正常使用規則 的 抱著不同目但做著同一件事 的一群人而已...人類的產生是一種偶然還是一種必然
什麼植物一種灌木？一種灌木，是冬青還是黃楊
黑客的確切分類稱呼，哪一種是黑客中的分類