The datasets for short-term modelin

The datasets for short-term modeling and long-term modeling are clustered respectively through
standard clustering techniques like K-means [33]. The K-means algorithm randomly selects K centers. Each data point then chooses to join the cluster of a specific center if the distance between the data point and the center is the shortest (comparing to the distances to other cluster centers). It iteratively updates the cluster centers and members of each cluster until it is converged. Manhattan distance is used here to measure the similarity between data points.

Kết quả (Việt) 1:

Datasets cho mô hình ngắn hạn và dài hạn mô hình tập trung tương ứng thông quatiêu chuẩn kỹ thuật kết cụm như K-có nghĩa là [33]. Giải thuật K-có nghĩa là ngẫu nhiên chọn Trung tâm K. Dữ liệu mỗi điểm sau đó lựa chọn để tham gia cụm một trung tâm cụ thể nếu khoảng cách giữa các điểm dữ liệu và Trung tâm là các ngắn nhất (so với khoảng cách đến các trung tâm cụm khác). Nó lặp đi lặp lại Cập Nhật cụm trung tâm và các thành viên của mỗi nhóm cho đến khi nó hội tụ. Khoảng cách Manhattan được sử dụng ở đây để đo lường sự giống nhau giữa điểm dữ liệu.

Kết quả (Việt) 2:

Các bộ dữ liệu cho mô hình ngắn hạn và mô hình dài hạn được nhóm tương ứng thông qua
các kỹ thuật phân nhóm tiêu chuẩn như K-means [33]. K-nghĩa thuật toán sẽ chọn ngẫu nhiên các trung tâm K. Mỗi điểm dữ liệu sau đó lựa chọn để tham gia các cụm trung tâm cụ thể nếu khoảng cách giữa các điểm dữ liệu và trung tâm là ngắn nhất (so với khoảng cách tới trung tâm cụm khác). Nó lặp cập nhật các trung tâm cụm và các thành viên của mỗi nhóm cho đến khi nó được hội tụ. Manhattan khoảng cách được sử dụng ở đây để đo sự giống nhau giữa các điểm dữ liệu.