Hadoop下的K-means的Java实现，使用eclipse。
上传时间： 2017-05-12
上传用户：18335103184
SN系列用户手册B版SN系列用户手册B版SN系列用户手册B版SN系列用户手册B版SN系列用户手册B版
标签： 用户手册
上传时间： 2017-05-28
上传用户：黑色的马
ADS-B机场场面监视技术研究对机场场面监视中ADS-B系统的应用方式方法进行了分析了论证。
上传时间： 2017-06-13
上传用户：mhwang1973
工程制图B教学课件，内容还不错，有需要的下载，看看
标签： 教学资料
上传时间： 2018-03-01
上传用户：lgdxy
刚刚上传的是工程B习题答案，有需要的可下载看看
标签： 工程制图
上传时间： 2018-03-01
上传用户：lgdxy
K-Means算法是最古老也是应用最广泛的聚类算法，它使用质心定义原型，质心是一组点的均值，通常该算法用于n维连续空间中的对象。 K-Means算法流程 step1：选择K个点作为初始质心 step2：repeat 将每个点指派到最近的质心，形成K个簇 重新计算每个簇的质心 until 质心不在变化 例如下图的样本集，初始选择是三个质心比较集中，但是迭代3次之后，质心趋于稳定，并将样本集分为3部分 我们对每一个步骤都进行分析 step1：选择K个点作为初始质心 这一步首先要知道K的值，也就是说K是手动设置的，而不是像EM算法那样自动聚类成n个簇 其次，如何选择初始质心 最简单的方式无异于，随机选取质心了，然后多次运行，取效果最好的那个结果。这个方法，简单但不见得有效，有很大的可能是得到局部最优。 另一种复杂的方式是，随机选取一个质心，然后计算离这个质心最远的样本点，对于每个后继质心都选取已经选取过的质心的最远点。使用这种方式，可以确保质心是随机的，并且是散开的。 step2：repeat 将每个点指派到最近的质心，形成K个簇 重新计算每个簇的质心 until 质心不在变化 如何定义最近的概念，对于欧式空间中的点，可以使用欧式空间，对于文档可以用余弦相似性等等。对于给定的数据，可能适应与多种合适的邻近性度量。
上传时间： 2018-11-27
上传用户：1159474180
Py3爬取B站视频弹幕。。。。。。。。。。。。。
上传时间： 2019-12-17
上传用户：wine
1998年建模B题，内含解题方法解题步骤。
上传时间： 2020-05-02
上传用户：isomerrrr
全国大学生电子设计竞赛2020年TI杯模拟电子系统设计专题邀请赛多种幅度调制信号发生电路（B 题）
上传时间： 2021-07-08
上传用户：st-15180703380
NS32F103x8(B) 软件硬件兼容STM32F103C8/CBT6，实际测试过，完全可以兼容。支持国产，国产加油！
标签： ns32f103x8 STM32
上传时间： 2021-10-31
上传用户：
