- 博客(2)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 聚类之K-means分析以及优缺点
K-meansK-Means是最为经典的无监督聚类（Unsupervised Clustering）算法，其主要目的是将n个样本点划分为k个簇，使得相似的样本尽量被分到同一个聚簇。K-Means衡量相似度的计算方法为欧氏距离（Euclid Distance）。K-Means算法的特点是类别的个数是人为给定的，如果让机器自己去找类别的个数，我们有AP聚类算法。K-Means的一个重要的假设是：数据之间的相似度可以使用欧氏距离度量，如果不能使用欧氏距离度量，要先把数据转换到能用欧氏距离度量，这一点很重要。（
2020-07-01 20:10:05
12896
1
原创 NSGA-III相关笔记
NSGA-III目录目的区别NSGA-III的算法流程非支配排序详解归一化详解目录NSGA-III基于matlab的实现参考文献1.An Evolutionary Many-Objective Optimization Algorithm Using Reference-point Based Non-dominated Sorting Approach,Part I: Solving P...
2020-04-21 22:25:11
13140
3
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人