where K is the number of subsets, C

where K is the number of subsets, Cj is the subsets, J is the global minimum, jdy ljj is a distance measure between the contextual feature vector dy representing the yth pixel and lj, which is the mean value of subset Cj. The procedure starts with the random assignment of K subsets, followed by an alternating phase of assigning dy to the closest subset and calculating new means for the subsets(when dy is included in the subset change, the mean changes).The procedure stops when there are no more dy changes in the subsets(Weisstein, 2014).

ผลลัพธ์ (ไทย) 1:

K เป็น จำนวนย่อย Cj เป็นการย่อย J เป็นต่ำกลาง jdy ljj เป็นการวัดระยะห่างระหว่างคุณลักษณะตามบริบทเวกเตอร์แทน yth พิกเซลและ lj ซึ่งเป็นค่าเฉลี่ยของชุดย่อย Cj dy ขั้นตอนเริ่มต้น ด้วยการกำหนดสุ่ม K ย่อย ตาม ด้วยขั้นตอนการสลับกำหนด dy ชุดย่อยใกล้เคียงที่สุด และคำนวณวิธีใหม่สำหรับการชุดย่อย (เมื่อ dy จะรวมอยู่ในชุดย่อยเปลี่ยนแปลง การเปลี่ยนแปลงเฉลี่ย)ขั้นตอนการหยุดเมื่อมีไม่เปลี่ยนแปลง dy ในชุดย่อย (Weisstein, 2014)

ผลลัพธ์ (ไทย) 2:

ที่ K คือจำนวนของส่วนย่อย, Cj เป็นส่วนย่อย, J เป็นขั้นต่ำทั่วโลก jdy Ljj เป็นมาตรการระยะห่างระหว่างคุณลักษณะบริบทเวกเตอร์ดี้ที่เป็นตัวแทนของพิกเซล YTH และ LJ ซึ่งเป็นค่าเฉลี่ยของเซต Cj ขั้นตอนการเริ่มต้นด้วยการกำหนดแบบสุ่มของส่วนย่อย K ตามด้วยขั้นตอนการสลับการกำหนดดี้ที่จะย่อยที่ใกล้เคียงที่สุดและวิธีการคำนวณใหม่สำหรับย่อย (เมื่อดี้จะรวมอยู่ในการเปลี่ยนแปลงย่อยจะมีการเปลี่ยนแปลงค่าเฉลี่ย) ขั้นตอนการได้โดยง่ายหยุดเมื่อมี จะไม่มีการเปลี่ยนแปลงดี้มากขึ้นในการย่อย (Weisstein, 2014)

ผลลัพธ์ (ไทย) 3:

โดยที่ k คือจำนวนข้อมูลเป็นส่วนย่อย ซีเจ เจเป็นขั้นระดับโลก jdy ljj เป็นวัดระยะห่างระหว่างบริบทเวกเตอร์ลักษณะดี้แทน yth พิกเซล และแอลเจ ซึ่งเป็นค่าเฉลี่ยของการย่อยซีเจ ขั้นตอนการเริ่มต้นด้วยการสุ่มของ K ข้อมูลตามด้วยสลับเฟสให้ดี้ไปย่อยใกล้ และการคำนวณ วิธีการใหม่สำหรับชุดย่อย ( เมื่อดี้อยู่ในเซตย่อยหมายถึงเปลี่ยน เปลี่ยนแปลง ขั้นตอนหยุดเมื่อไม่มีดี้มากกว่าการเปลี่ยนแปลงในส่วนย่อย ( weisstein 2014 )