k-means cluster中文是什么意思

• 类中心聚类
• 逐步聚类分析

• "k"中文翻译     K, k (pl. Ks, K's; ks, ...
• "mean"中文翻译    adj. 中间的；中庸的；平均的；中等的；中项的。 th ...
• "cluster"中文翻译    n. 1.丛集；丛；(葡萄等的)串，挂；(花)团；(秧) ...
• "k means method" 中文翻译 :    逐步聚类法
• "as a means of" 中文翻译 :    以资; 作为...的一种手段; 作为一种……手段；方法; 作为一种手段
• "as the means for" 中文翻译 :    作为......的手段
• "by means of" 中文翻译 :    借助于,用; 凭借；依靠; 通过…的方式; 通过…方法; 通过，利用，用…; 通过，凭借; 为手段; 依靠，用; 用,凭借,依靠; 用,依靠; 用…手段; 用，靠; 用，凭借，通过; 用，依靠
• "by no means" 中文翻译 :    并没有，决不; 根本不; 决不,并没有; 决不一点也不; 决不，并不是; 决不是; 绝无此事。; 完全不; 无法，没办法
• "by no means of" 中文翻译 :    决不
• "by this means" 中文翻译 :    通过这种方式; 用这种方法
• "means" 中文翻译 :    偏差测量系统
• "means) that" 中文翻译 :    引导宾语从句
• "no means" 中文翻译 :    决不
• "this means" 中文翻译 :    这意味着
• "a cluster" 中文翻译 :    自力村碉楼群
• "a cluster of" 中文翻译 :    一串/丛; 一串，一束，一群; 一群、一组; 一群；一组
• "cluster" 中文翻译 :    n. 1.丛集；丛；(葡萄等的)串，挂；(花)团；(秧)蔸；组。 2.(蜂、人等的)丛，群，群集。 3.【物理学】聚集，组件；【化学】类族，基；(原子)团；【天文学】星团。 4.【美军】(表示又一个同等勋章的)金属片。 5.【语音】音丛，音群，义丛，词组。 6.集中建筑群〔在一大片土地上集中兴建住宅，以提供较大的公共休息场所〕。 in a cluster 成串的；成团[群]的。 vi.,vt. (使)成群；(使)群集。 clustered column 【建筑】簇柱。
• "k" 中文翻译 :     K, k (pl. Ks, K's; ks, k's ) 1.英语字母表第十一字母。 2.K字形物体[记号]。 3.一个序列中的第十一〔若 J 略去则为第十〕。 4.【数学】与 Z 轴平行的单位矢量。 5.【化学】元素钾(Potassium) 的符号〔由拉丁名 Kalium 而来〕。 6.〔K〕【气象学】积云 (cumulus)的符号。 7.〔K〕【数学】常数(constant)的符号。 8.代表数字“千”(103)。 a salary of ＄ 14K ＝ a salary of ＄ 14,000 一万四千美元的薪金。 9.千〔电子计算机的存储单位，相当于1024 二进位组或1000字符〕。 a computer memory of 64k 存储量为 64k的计算机。 10.K形的。 11.第十一的〔若 J 略去，则为第十的〕。
• "auxiliary means of communication means" 中文翻译 :    辅助通信工具
• "means (compare means)" 中文翻译 :    均值
• "a means of ingress" 中文翻译 :    进入的手段
• "a means of life" 中文翻译 :    谋生的手段
• "a means of payment" 中文翻译 :    支付手段
• "ablative of means" 中文翻译 :    工具夺格
• "accumulating means" 中文翻译 :    积累方式

• On the improvement of k - means clustering algorithm
  均值聚类算法的研究
• A fast fractal image compression algorithm based on k - mean clustering optimization
  均值聚类优化的快速分形图像压缩算法
• First , the whole system was decomposed into several subsystems by adopting frizzy k - means cluster
  首先，采用动态聚类方法，将整个系统分解为几个子系统。
• 3 ) k - mean clustering algorithm is used classification . the category is two , according to the object and the experience knowledge
  3 )应用无监督分类算法中k均值( k - means )聚类算法对输入特征向量进行分类。
• The euclidean distance is usually chosen as the similarity measure in the conventional k - means clustering algorithm , which usually relates to all attributes
  传统的k -均值算法选择的相似性度量通常是欧几里德距离的倒数，这种距离通常涉及所有的特征。
• This paper studies using the k - means clustering algorithm to classified the obtained image , submits through two phases to retrieve the image and adjusts the weight using the relevant feedback method
  本文研究利用k均值聚类方法对检索得到的图像进行分类,通过两阶段提交对图像进行筛选,并利用相关反馈方法来调整权重。
• The property of the recall - precision curve of a general retrieval algorithm and the k - means clustering method are used to realize the expansion according to the distance of image features of the initially retrieved images
  扩展主要利用了一般检索算法的查准率查全率曲线特点，对原始查询结果的图像特征距离应用k -均值聚类算法，确定多个查询示例图像。
• Finally , according to the practical requirement of classification management to credit risk management , it uses k - means clustering method to cluster the evaluation result , and then get the credit ranks the small and middle enterprises belong to
  最后,根据对信用风险管理应实行分级管理的实践要求,利用k -平均聚类划分法对信用风险评估结果进行聚类划分,从而得到各中小企业所属于的信用风险等级。
• In this text , we first do some research on the genetic algorithm about clustering , discuss about the way of coding and the construction of fitness function , analyze the influence that different genetic manipulation do to the effect of cluster algorithm . then analyze and research on the way that select the initial value in the k - means algorithm , we propose a mix clustering algorithm to improve the k - means algorithm by using genetic algorithm . first we use k - learning genetic algorithm to identify the number of the clusters , then use the clustering result of the genetic clustering algorithm as the initial cluster center of k - means clustering . these two steps are finished based on small database which equably sampling from the whole database , now we have known the number of the clusters and initial cluster center , finally we use k - means algorithm to finish the clustering on the whole database . because genetic algorithm search for the best solution by simulating the process of evolution , the most distinct trait of the algorithm is connotative parallelism and the ability to take advantage of the global information , so the algorithm take on strong steadiness , avoid getting into the local
  本文首先对聚类分析的遗传算法进行了研究,讨论了聚类问题的编码方式和适应度函数的构造方案与计算方法,分析了不同遗传操作对聚类算法的性能和聚类效果的影响意义。然后对k - means算法中初值的选取方法进行了分析和研究,提出了一种基于遗传算法的k - means聚类改进(混合聚类算法) ,在基于均匀采样的小样本集上用k值学习遗传算法确定聚类数k ,用遗传聚类算法的聚类结果作为k - means聚类的初始聚类中心,最后在已知初始聚类数和初始聚类中心的情况下用k - means算法对完整数据集进行聚类。由于遗传算法是一种通过模拟自然进化过程搜索最优解的方法,其显著特点是隐含并行性和对全局信息的有效利用的能力,所以新的改进算法具有较强的稳健性,可避免陷入局部最优,大大提高聚类效果。