1)k-meansk-平均
1.Research on Modified k-means Data Cluster Algorithm;改进的k-平均聚类算法研究
2.A novel solution for k-means cluster based on artificial immune net is presented.以人工免疫网络理论结合k-平均算法,尝试了一种聚类分析的新的解决方案。
3.This paper proposed a novel hybrid algorithm for clustering analysis based on artificial fish-school algorithm and K-means.结合人工鱼群算法的全局寻优优点提出了一种基于人工鱼群算法的K-平均混合聚类分析算法。
英文短句/例句
1.Study of Text Clustering Based on K-Means Algorithm;基于k-平均算法的文本聚类系统研究与实现
2.k-MEANS CLUSTER ALGORITHM BASED ON ARTIFICIAL IMMUNE NET基于人工免疫网络的k-平均聚类算法的研究
3.A Method of Image Segmentation Based on K-means Algorithm;一种基于K-平均簇划分算法的图像分割方法
4.Algorithm of Wavelet Image Recovery Based on K Neighborhood Average Method一种基于K邻域平均法的小波图像恢复算法
5.K-NN, K-means and the Application in Text Mining;K-近邻、K-均值及其在文本分类中的应用
6.K-Means-Based Fuzzy Classifier Design;基于K-均值算法的模糊分类器设计
7.A sufficient and necessary condition for equitable k-coloring of caterpillars;毛虫树可均匀k-着色的一个充要条件
8.Algorithms for K-means Clustering Problem with Balancing Constraint基于均衡限制的k-means聚类问题算法
9.Dynamic Spectrum Access Technical Based on K-means Clustering基于K-均值聚类的动态频谱接入技术
10.K Mean Cluster Algorithm with Refined Initial Center PointK均值聚类算法初始质心选择的改进
11.Updated Learning Algorithm of Support Vector Data Description Based on K-Means Clustering改进的基于K均值聚类的SVDD学习算法
12.Application of k-means clustering analysis in process improvementk均值聚类分析在过程改进中的应用
13.Segmentation Algorithm for Green Apples Recognition Based on K-means Algorithm基于K-均值聚类的绿色苹果识别技术
14.An improved genetic K-means clustering algorithm based on image segmentation改进的图像分割遗传K-均值聚类算法
15.Application of k-means algorithm in intrusion detection Systemk均值算法在网络入侵检测中的应用
16.Improved K-Means Clustering Algorithm Based on SOFM基于SOFM网络的改进K-均值聚类算法
17.Random network topology model based on K-means基于K均值聚类的随机网络拓扑模型
18.Application of K~+-Means Clustering in Intrusion DetectionK~+均值在网络入侵检测中的应用研究
相关短句/例句
K-meansK-平均值
1.This paper introduces an intrusion detection model based on clustering analysis and realizes an algorithm of K-means which can set up a database of intrusion detection and classify safe levels.提出了一种基于聚类分析方法构建入侵检测库的模型,实现了按K-平均值方法建立入侵检测库并据此划分安全等级的思想。
2.5, SLIQ, SPRINT, association rule, K-means, K-nearest neighbors, Bayesian network, artificial neural network and genetic algorithm, and their parallelism.5,SLIQ,SPRINT,关联规则,K-平均值,K-最近邻,贝叶斯网络,人工神经网络,遗传算法及并行性进行了研究探讨,为数据挖掘研究者提供借鉴。
3.This paper introduces an intrusion detection model based on clustering analysis and realizes an algorithm of K-means which can set up a database of intrusion detection and classify safe levels.提出一种基于聚类分析的入侵检测模型,并运用聚类分析的K-平均值算法建立入侵检测库并划分安全级别。
3)K-meansK平均
1.RB-K-means Based Adaptive Mean shift;基于RB-K平均带宽设定的Adaptive Mean shift
2.Variant of K-means algorithm for document clustering: optimization initial centers;一种优化初始中心点的K平均文本聚类算法
4)K-means clusteringK平均聚类
5)K-meansK-平均算法
1.Study of Text Clustering Based on K-Means Algorithm;基于k-平均算法的文本聚类系统研究与实现
2.With this method,the center and number of clustering are determined by using the clustering algorithm based on threshold,and then the above clustering results are optimized by the K-means algorithm combining with transition probability based on the ant colony algorithm.按此方法,首先由基于阈值的聚类算法进行聚类,生成聚类中心,聚类个数也随之初步确定;然后将蚁群算法的转移概率引入K-平均算法,对上述聚类结果进行二次优化。
6)K-means algorithmK-平均算法
1.A heuristic algorithm is proposed for selecting initial seed values in the K-means algorithm.以内部聚类准则作为评价指标,实验结果表明,该算法明显好于 K-平均算法。
2.K-means algorithm is a classical clustering algorithm.文中通过分析K-平均算法的优缺点,提出了一种基于人工鱼群算法的聚类分析算法,并把它与传统的K-平均算法结合得到一种新的混合聚类算法。
3.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。
延伸阅读
(MACD)指数平滑移动平均线指数平滑移动平均线(MACD)一、指数平滑移动平均线运用两条移动平均线相互背离，相互应证的交易法则，就可以得出指数平滑移动平均线(MACD)。它是运用快速和慢速移动平均线交叉换位、合并分离的特性加以双重平滑运算，来判断买卖时机。该指标在股市中具有重大实践意义。二、公式1.指数平均值EMA(n)=n日平滑系数×（今日收盘价－昨日EMA）昨日EMAn日平滑系数=2÷（n1）赢正软件系统默认n值为12、262.离差值DIF=EMA1－EMA23.差离平均值MACD(n)=n日平滑系数×（今日DIF－昨日MACD）昨日MACD4.离差柱线BAR=DIF－MACD三、MACD分析要领1.运用MACD应该综合其它技术指标共同分析。2.运用移动平均线（MA）判研买卖时机在趋势明显时收效甚大，但如果碰到盘整形态时，MA会发出频繁而不准确的信号。根据移动平均线原理发展出来的指数平滑异同移动平均线可以去掉移动平均线发出的虚假信号，同时能够保持平均线的效果。3.由于DIF是短期移动平均值与长期移动平均值的"离差"，因此，如果行情见涨，短期移动平均值在长期移动平均值之上，此时DIF为正值。且离差加大，投资者应适当控制买入速度防止追涨而被套牢；如果行情下跌，短期移动平均值在长期移动平均值之下，此时DIF值为负，且离差加大，投资者可适当购入股票；当行情由多头转向空头，或由空头转向多头时，离差值趋近于0，此时，投资者可观望一段时间，判定走势后，再决定买卖。4.离差平均值MACD反映的是平均后的离差值，所以，二者应配合分析。当MACD和DIF都在0轴线以上时，说明买方力量强，投资者不可猛追；当MACD和DIF都在0轴线以下时，说明市场抛盘压力大，投资者应适当购入，待股价上涨时再抛出。5.如果DIF向上突破MACD和0轴线时，说明买盘大，投资者可适当加入多头；如果DIF向下跌破MACD和0轴线时，说明卖方多，投资者应适时低价购进股票，待股价上涨后，再卖出。
