1) K factor estimation
K值估算
2) calculation of k value
K值计算
3) K-means algorithm
k-均值算法
1.
The fuzzy clasifier based on the K-means algorithm is ef fi ciently design so that the training patters can be correctly classified.
基于K-均值算法的模糊分类器具有很好的分类效果 ,用它可以很准确的对训练样本进行分类 。
2.
For increasing classifier s classification rate,We make use of the fuzzy theories to K-means algorithm again.
为了提高分类器的分类率,再一次把模糊的思想引入K-均值算法,构成双重模糊K-均值算法的分类器,所不同的是把模糊化思想引入到分类规则上;用这样一个模糊规则来表示分类的模糊系统,更加有效地构建了一个能够对训练样本比较准确分类的模糊分类器,用这种方法设计的分类器有效地提高了分类器的分类率;最后用Iris数据进行仿真测试,测试结果显示其分类率能够达到98%左右,并且不需要预定义参数,训练时间短,方法简单。
3.
An improved K-means clustering algorithm is proposed,which is based on basic K-means Algorithm,and which choose original clustering centers based on densities and improves clustering effects according to feature weight learning.
本文提出了一种改进的K-均值聚类算法,在基本K-均值算法的基础上运用基于密度选择初始中心点并且通过学习特征权值改进聚类效果,克服了基本K-均值算法初始中心点难以确定、聚类结果不稳定的缺点;然后建立了一种基于改进的K-均值算法的人事管理系统聚类分析模型,本模型采用SQL Server 2000数据库实现并成功运用于国内一家知名软件企业的人力资源管理系统中,为该企业选聘人才和用好人才提供了有益的参考。
4) K-means
K-均值算法
1.
A New Approach to Ascertain the Initial Clustering Centers of K-means;
一种新的确定K-均值算法初始聚类中心的方法
2.
A digital image watermarking based on K-means algorithm;
基于K-均值算法的数字图像水印技术
3.
Clustering algorithms are the typical algo-rithms in the data mining, the K-means algorithm is the most basic algorithm, which has produced many classics and highly effective algorithms.
聚类是数据挖掘中的典型算法,其中的K-均值算法是最基本的算法,由该算法产生了许多经典而高效的算法。
5) k-means
k均值算法
1.
Against the defect of k-means,a new algorithm called KDM is proposed based on k-means and DIANA.
针对k均值算法局限于k值和初始中心点选取的情况,提出了一种基于k均值的自动获得k值的KDM算法。
2.
K-means algorithm has some deficiencies.
K均值算法的聚类个数K需指定,聚类结果与数据输入顺序相关,而且易受孤立点影响。
3.
An improved k-means algorithm is applied to cluster the antibody and antigen in IDS, the new IDS has the quite high detection performance.
运用K均值算法对人工免疫系统中的抗原和抗体进行聚类,并对该算法进行了适当的改进。
6) K-means algorithm
K均值算法
1.
Traditional K-Means algorithm is sensitive to the initial centers and easy to get stuck at locally optimal value.
传统K均值算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动,容易陷入局部最优值。
2.
In this paper a new segmentation method is proposed,in which K-means algorithm is combined with mutual information (MI) technique.
为了提高分割效果,从分割图像与原图像的内在联系出发,提出了一种新的基于K均值算法与互信息量(mutual information,MI)技术相结合的分割算法。
3.
Based on the k-means algorithm, we proposed the PSO-k-means algorithm combining the k-means with PSO.
在k均值算法基础上,提出一种将粒子群算法与k均值算法相结合产生基于粒子群的k均值算法(PSO-k均值算法)。
补充资料：力学量的可能值和期待值
在量子力学中，力学量F用作用于波函数上的算符弲表示。在数学上，对于一个算符，满足
的函数 ui(r)称为弲的本征函数，式中Fi是与r无关的数,称为本征值。如果ui(r)描写微观粒子的状态,则它必须满足单值、连续和有限的标准条件。在这种限制之下，上式中的本征值可以取一系列分立值，或取一定范围内的连续数值。
在测量力学量F时,观察到的只能是它的本征值。若一个力学量的本征值具有分立谱，我们说这个力学量是量子化的。
量子力学中假定力学量的全部本征函数组成一个完全系；这意思是说：描写体系的任一状态的波函数ψ都可以用力学量的本征函数ui展开：
在ψ和ui都是归一化的情况下，上式中的展开系数сi具有如下的物理意义：在ψ态中测量力学量时,得到结果为Fi的几率是|сi|2。
因此，若微观粒子的定态波函数是某力学量算符的本征函数ui(r),则在这一状态中,力学量F取确定值Fi。
在ψ态中对力学量进行多次测量,把所得结果加以平均，就得出力学量在ψ态中的期待值，以〈F〉表示：
上式称为力学量的期待值公式。如果ψ不是归一化的，那么期待值公式应写为
的函数 ui(r)称为弲的本征函数，式中Fi是与r无关的数,称为本征值。如果ui(r)描写微观粒子的状态,则它必须满足单值、连续和有限的标准条件。在这种限制之下，上式中的本征值可以取一系列分立值，或取一定范围内的连续数值。
在测量力学量F时,观察到的只能是它的本征值。若一个力学量的本征值具有分立谱，我们说这个力学量是量子化的。
量子力学中假定力学量的全部本征函数组成一个完全系；这意思是说：描写体系的任一状态的波函数ψ都可以用力学量的本征函数ui展开：
在ψ和ui都是归一化的情况下，上式中的展开系数сi具有如下的物理意义：在ψ态中测量力学量时,得到结果为Fi的几率是|сi|2。
因此，若微观粒子的定态波函数是某力学量算符的本征函数ui(r),则在这一状态中,力学量F取确定值Fi。
在ψ态中对力学量进行多次测量,把所得结果加以平均，就得出力学量在ψ态中的期待值，以〈F〉表示：
上式称为力学量的期待值公式。如果ψ不是归一化的，那么期待值公式应写为
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条