The conventional K-means clustering

The conventional K-means clustering method should
predefine the number of clusters which might be candidates
of humans or objects in our application. However, in the
service area the number of objects around the robot could not
be defined so the number of clusters should be variable. The
improved K-means clustering method [12] predefines the size
of clusters rather than the number of clusters, which makes it
possible to increase the number of clusters if the size of a
cluster is over the predefined size. Fig. 4 shows the process of
clustering.

ผลลัพธ์ (ไทย) 1:

วิธีการระบบคลัสเตอร์ K หมายถึงปกติควร กำหนดหมายเลขของคลัสเตอร์ซึ่งอาจเป็นผู้สมัคร มนุษย์หรือวัตถุในโปรแกรมประยุกต์ของเรา อย่างไรก็ตาม ในการ พื้นที่บริการจำนวนวัตถุรอบ ๆ หุ่นยนต์ไม่ สามารถกำหนดให้หมายเลขของคลัสเตอร์ควรเป็นตัวแปร ที่ ขนาด predefines K หมายถึงระบบคลัสเตอร์วิธีการปรับปรุง [12] ของคลัสเตอร์แทนหมายเลขของคลัสเตอร์ ซึ่งทำให้ สามารถเพิ่มจำนวนคลัสเตอร์ถ้าขนาดของตัว คลัสเตอร์มากกว่าขนาดกำหนดไว้ล่วงหน้าได้ Fig. 4 แสดงขั้นตอนการ คลัสเตอร์

ผลลัพธ์ (ไทย) 2:

เดิม K-หมายถึงวิธีการจัดกลุ่มควร
predefine จำนวนของกลุ่มซึ่งอาจจะเป็นผู้สมัคร
ของมนุษย์หรือวัตถุในโปรแกรมของเรา อย่างไรก็ตามใน
พื้นที่ให้บริการจำนวนของวัตถุรอบหุ่นยนต์ไม่สามารถ
กำหนดได้ดังนั้นจำนวนของกลุ่มที่ควรจะเป็นตัวแปร
การปรับปรุง K-หมายถึงวิธีการจัดกลุ่ม [12] predefines ขนาด
ของกลุ่มมากกว่าจำนวนของกลุ่มซึ่งจะทำให้มัน
เป็นไปได้ที่จะเพิ่มจำนวนของกลุ่มถ้าขนาดของ
กลุ่มที่มีมากกว่าขนาดที่กำหนดไว้ล่วงหน้า มะเดื่อ 4 แสดงให้เห็นถึงขั้นตอนของการ
จัดกลุ่ม

ผลลัพธ์ (ไทย) 3:

การแบ่งกลุ่ม k-means วิธีควร
predefine จำนวนของกลุ่มที่อาจจะมีผู้สมัคร
ของมนุษย์หรือวัตถุในโปรแกรมของเรา อย่างไรก็ตาม ในพื้นที่บริการจำนวนของวัตถุรอบ ๆ

เป็นหุ่นยนต์ไม่สามารถกำหนดให้หมายเลขของกลุ่มควรแปร
การปรับปรุงการจัดกลุ่ม k-means วิธี [ 12 ] predefines ขนาด
ของกลุ่ม มากกว่าจำนวนของกลุ่ม ซึ่งทำให้
เป็นไปได้ที่จะเพิ่มจำนวนของกลุ่ม ถ้าขนาดของคลัสเตอร์มีมากกว่า
กำหนดขนาด รูปที่ 4 แสดงขั้นตอนของการจัดกลุ่ม
.