This article analyzes the deficiency of K-means algorithm and improves the algorithm with relative best partition and weight in the computation of distance of clusters and cases.
针对K -平均算法存在的缺陷，通过引入相对最佳随机划分方法以及在计算样本与簇中心时的权重，改进了K -平均算法。
This article analyzes the deficiency of K-means algorithm and improves the algorithm with relative best partition and weight in the computation of distance of clusters and cases.
针对K -平均算法存在的缺陷，通过引入相对最佳随机划分方法以及在计算样本与簇中心时的权重，改进了K -平均算法。
应用推荐