- 博客(5)
- 收藏
- 关注
RSS订阅原创 K - means 聚类算法
在数据挖掘和机器学习领域，聚类算法是一种重要的无监督学习方法，用于将数据集中的数据点划分为不同的组或簇。将图像中的像素点看作数据点，通过 K - means 聚类将像素点分为若干个簇，然后用簇中心的颜色值来代表该簇内所有像素点的颜色，从而达到减少颜色数量、压缩图像数据的目的。K - means 算法的核心思想是基于距离度量将数据点划分到 K 个不同的簇中，使得每个簇内的数据点到该簇中心（质心）的距离之和最小。这里的 K 是一个预先设定的超参数，表示要划分的簇的数量。
2024-12-20 14:24:55
1256
原创 移位如何判断是否溢出或者丢失精度
溢出：在算术左移中，如果符号位变为0且不是由原始符号位移动过来的，就会溢出。在算术右移中，如果数值超出了数据类型的表示范围，也会溢出。丢失精度：在算术右移中，如果小数部分被完全移除，就会丢失精度。
2024-12-18 18:12:50
890
原创 函数的传递
函数传递可以帮助我们将任务分解成更小的、可重用的代码块，同时也可以通过函数参数的传递来修改和传递数据。这使得C语言函数更加灵活和可扩展。在C语言中，函数传递是指将数据传递给函数进行处理的一种方式。C语言中有两种主要的函数传递方式：按值传递和按引用传递。需要注意的是，C语言中没有传递引用的概念，按引用传递是通过传递指针来实现的。
2024-12-16 10:51:50
302
原创 K-均值聚类算法
总结： K-均值聚类算法是一种常用的聚类算法，可以应用于许多领域，如数据挖掘、模式识别等。它的简单性和可扩展性使得它成为广泛应用的一种聚类算法。然而，它对初始聚类中心的选择敏感、对离群点敏感以及需要预先知道K值的选择等缺点也需要注意。在实际应用中，可以根据数据集的特点和聚类需求来选择合适的聚类算法。K-均值聚类算法是机器学习中常用的一种无监督学习算法，用于将数据集中的样本划分为K个不重叠的簇。
2024-12-11 20:54:14
476
原创 C语言标准输入缓冲区
我们输入10并按下回车键，此时输入缓冲区的内容为：10\n，输入缓冲区遇到\n，scanf开始读取，scanf会把10读取并存储到字符数组中，遇到\n后停止，此时输入缓冲区的内容为：\n，然后用scanf(“%c”，&c)读取输入缓冲区中最后的单个回车符，这个时候输入缓冲区就清空了，后面的程序得以正常执行。在C语言中，标准输入（stdin）是一个缓冲区，它用于存储从标准输入设备（通常是键盘）输入的数据。出现这种情况是因为，j读取到的是留在标准输入缓冲区中的\n。同样，其他清空缓存区的原理是一样的。
2024-09-27 21:36:52
431
1
TA创建的收藏夹 TA关注的收藏夹
TA关注的人