机译:K-Means群集中最佳变量加权的迭代算法
SUNY Stony Brook Dept Appl Math & Stat Stony Brook NY 11794 USA;
SUNY Stony Brook Dept Appl Math & Stat Stony Brook NY 11794 USA;
SUNY Stony Brook Dept Appl Math & Stat Stony Brook NY 11794 USA;
SUNY Stony Brook Dept Appl Math & Stat Stony Brook NY 11794 USA;
SUNY Stony Brook Dept Appl Math & Stat Stony Brook NY 11794 USA;
KKT conditions; K-means clustering; Lagrange multiplier; Optimization; Variable weights;
机译:K-均值聚类中最优变量加权的迭代算法
机译:模糊K-means聚类中的可变加权以确定群集数量
机译:使用可变加权k均值方法建立决策聚类分类模型
机译:PCA指导的可变权k均值及其在文档聚类中的应用
机译:K-Means和K-Means ++聚类算法的硬件实现和性能评估
机译:初始簇质心的确定是否提高了K-Means聚类算法的性能?应用研究中遗传算法最小生成树和分层聚类的三种混合方法的比较
机译:超量树和加性树的最优变量加权和K-均值划分:方法和软件