최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국정보처리학회 2011년도 제35회 춘계학술발표대회, 2011 Apr. 30, 2011년, pp.1294 - 1297
정진우 (한양대학교 컴퓨터공학과) , 이동호 (한양대학교 컴퓨터공학과)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
K-Means 알고리즘은 어떤 알고리즘인가? | 알고리즘은 클러스터 기반 비계층적 군집화 알고리즘의 하나로, 데이터 집합으로부터 k 개의 클러스터를 발견하기 위한 알고리즘이다. K-Means 알고리즘의 기본적인 작업 절차는 알고리즘 1 과 같다. | |
K-Medoids 알고리즘이 K-Means 알고리즘과 다른 점은 무엇인가? | 즉, 결정된 centroid 가 실제 데이터 포인트일 필요는 없다. K-Medoids 알고리즘은 K-Means 알고리즘과 달리 각각의 클러스터를 대표할 수 있는 representative point (medoid)를 선정하고 이를 기반으로 클러스터링을 수행한다. | |
K-Means 알고리즘의 작업 절차는 어떻게 되는가? | 1. Choose K initial centroid points 2. Assign all data points to the closest centroid point 3. Re-compute the centroid point of each cluster 4. Repeat 3-4 until centroid of each cluster is not changed |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.