Although the standard definition of

Although the standard definition of k-means doesn’t deal with incremental clustering, itis possible to modify the implementation to support it and some research on this topic and issues arising from time-dependent nature of the task has already been performed [5].However, K-means has two major disadvantages. The first is the need to know the number of clusters in advance, which would require additional estimation algorithms or substantial algorithm modifications. Second issue arises from the concept of centroid that assumes that

Kết quả (Việt) 1:

Mặc dù definition tiêu chuẩn của k-có nghĩa là không đối phó với gia tăng clustering, nó có thể sửa đổi thực hiện để hỗ trợ nó và một số nghiên cứu về chủ đề và các vấn đề phát sinh từ thời gian phụ thuộc vào bản chất của nhiệm vụ này đã là thực hiện [5]. Tuy nhiên, có nghĩa là K có hai nhược điểm lớn. Đầu tiên là cần phải biết số của cụm trước, đòi hỏi các dự toán bổ sung thuật toán hoặc các thuật toán đáng kể modifications. Vấn đề thứ hai phát sinh từ các khái niệm về centroid giả định rằng

Kết quả (Việt) 2:

Mặc dù tiêu chuẩn de fi Định nghĩa của k-means không đối phó với clustering gia tăng, ITIS thể sửa đổi việc thực hiện để hỗ trợ nó và một số nghiên cứu về chủ đề này và các vấn đề phát sinh từ thiên nhiên phụ thuộc thời gian của công việc đã được thực hiện [5]. Tuy nhiên, K-means có hai nhược điểm lớn. Việc đầu tiên là cần phải biết số lượng các cụm trước, mà sẽ yêu cầu các thuật toán dự toán bổ sung hoặc thuật toán Modi fi cation đáng kể. Vấn đề thứ hai xuất phát từ khái niệm trọng tâm mà giả định rằng