k-means演算法是一種聚類演算法，所謂聚類，即根據相似性原則，將具有較高相似度的資料物件劃分至同一類簇，將具有較高相異度的資料物件劃分至不同類簇。聚類與分類最大的區別在於，聚類過程為無監督過程，即待處理資料物件沒有任何先驗知識，而分類過程為有監督過程，即存在有先驗知識的訓練資料集。
k-means演算法中的
（當有部分異常點時，求均值是不合理的，即乙個特大都值，或者極小的值，會影響均值的數值），因此，k-means演算法又稱為k-均值演算法，k-means演算法是一種基於劃分的聚類演算法，以距離作為資料物件間相似性度量的標準，即資料物件間的距離越小，則它們的相似性越高，則它們越有可能在同乙個類簇。資料物件間距離的計算有很多種，k-means演算法通常採用歐氏距離來計算資料物件間的距離。k-means演算法以距離作為資料物件間相似性度量的標準，通常採用歐氏距離來計算資料物件間的距離。下面給出歐式距離的計算公式(
聚類演算法（2）
接上 聚類演算法 1 除了在聚類演算法 1 中的分級聚類，關於聚類還可以使用k 均值聚類 也是為了克服分級聚類的兩個不足之處 演算法描述 這裡有比較詳盡的演算法描述。嗯，programming collective intelligence 上有幅超級好的插圖。說明 1.rows是什麼？rows是從...
距離向量演算法
距離向量路由演算法要求，每個結點都參與定期交換整個路由表，即把路由表傳遞給自己與之相連的結點。這裡以 rip 演算法 距離向量演算法的一種 為例。從相鄰的 x 路由器接收傳送過來的 rip routing information protocol 報文 對每個專案執行如下步驟 a.若原路由表沒有 r...
距離向量演算法
最近在學習計算機網路原理，覺得這個演算法很好玩，於是便決定來研究研究它。什麼叫距離向量演算法？路由表中最重要的資訊是 到每個網路的距離 即最短距離 以及應經過的下一跳位址。路由表更新的原則是找出到每個目的網路的最短距離。這種更新演算法就又稱為距離向量演算法。下面來具體解釋 對每乙個相鄰路由器傳送過來...