After the ART2 neural network deter

After the ART2 neural network determines the number of clusters,
standard clustering algorithms can partition this space into
groups of sessions that are close to each other based on a distance
measure. The well-known K-means algorithm is used as the base
method for clustering interest-based representation sessions and
sequence-based representation sessions. The K-means clustering
algorithm groups sessions by attributes/features into a k (positive
integer) number of groups by minimizing the sum of squares of
distances between data and the corresponding cluster centroid.
Additionally, the most popular Euclidean distance is used as the
distance measure. The K-means clustering algorithm is performed
in the following steps: Step 1: Generate initial random cluster centroids
for k clusters and k obtained by ART2 neural network. Step 2:
Assign each session to its closest cluster centroid in terms of
Euclidean distance. Step 3: Compute new cluster centroids. Step
4: If cluster memberships differ from the last iteration, repeat steps
2–3. Step 5: Stop and store clustering result.

ผลลัพธ์ (ไทย) 1:

หลังจากที่เครือข่ายประสาทศิลปะ 2 กำหนดจำนวนของกลุ่มอัลกอริทึมระบบคลัสเตอร์มาตรฐานสามารถแบ่งพาร์ติชันในพื้นที่นี้กลุ่มของเซสชันที่อยู่ใกล้กันตามระยะทางวัด อัลกอริทึม K หมายถึงรู้จักใช้เป็นฐานวิธีสำหรับคลัสเตอร์เซสชันแสดงตามความสนใจ และเซสชันตามลำดับการแสดง K-หมายถึงคลัสเตอร์อัลกอริทึมกลุ่มเซสชันคุณลักษณะต่าง ๆ ของแอตทริบิวต์ k (บวกกลุ่มโดยการลดผลรวมของกำลังสองของจำนวนจำนวนเต็ม)ระยะทางระหว่างข้อมูลและเซนทรอยด์คลัสเตอร์ที่สอดคล้องกันนอกจากนี้ ระยะทางแบบยุคลิดที่นิยมจะใช้เป็นวัดระยะทาง K-วิธีดำเนินการขั้นตอนวิธีการระบบคลัสเตอร์ในขั้นตอนต่อไปนี้: ขั้นตอนที่ 1: สร้าง centroids คลัสเตอร์สุ่มครั้งแรกสำหรับคลัสเตอร์ k และ k ได้ โดยโครงข่ายประสาทศิลปะ 2 ขั้น 2:กำหนดให้แต่ละเซสชันกับเซนทรอยด์ของคลัสเตอร์ที่ใกล้ที่สุดในแง่ของระยะทางแบบยุคลิด ขั้น 3: คำนวณ centroids คลัสเตอร์ใหม่ ขั้นตอน4: หากสมาชิกของคลัสเตอร์ที่แตกต่างจากการเกิดซ้ำครั้งสุดท้าย ทำซ้ำขั้นตอน2 – 3 ขั้นตอน 5: หยุด และเก็บผลระบบคลัสเตอร์

ผลลัพธ์ (ไทย) 2:

หลังจากที่เครือข่าย art2 ประสาทกำหนดจำนวนกลุ่มที่
ขั้นตอนวิธีการจัดกลุ่มมาตรฐานสามารถแบ่งพาร์ติชันพื้นที่นี้ใน
กลุ่มของการประชุมที่มีความใกล้ชิดกันขึ้นอยู่กับระยะทางที่
วัด อัลกอริทึม K-วิธีการที่รู้จักกันดีจะถูกใช้เป็นฐาน
วิธีการจัดกลุ่มตามความสนใจการประชุมตัวแทนและ
ลำดับตามการประชุมตัวแทน K-วิธีการจัดกลุ่ม
กลุ่มอัลกอริทึมการประชุมโดยใช้คุณลักษณะ / คุณสมบัติเข้า AK (บวก
จำนวนเต็ม) จำนวนของกลุ่มโดยการลดผลรวมของสี่เหลี่ยมของ
ระยะทางระหว่างข้อมูลและเซนคลัสเตอร์ที่สอดคล้องกัน.
นอกจากนี้ระยะทางยุคลิดที่นิยมมากที่สุดจะใช้เป็น
ตัวชี้วัดระยะทาง . อัลกอริทึม K-วิธีการจัดกลุ่มจะดำเนินการ
ในขั้นตอนต่อไปนี้ขั้นตอนที่ 1: สร้าง centroids คลัสเตอร์แบบสุ่มครั้งแรก
สำหรับกลุ่ม K และ K ที่ได้รับจากเครือข่ายประสาท art2 ขั้นตอนที่ 2:
กำหนดแต่ละครั้งจะ centroid คลัสเตอร์ที่ใกล้เคียงที่สุดในแง่ของ
ระยะทางยุคลิด ขั้นตอนที่ 3: คำนวณ centroids คลัสเตอร์ใหม่ ขั้นตอนที่
4: ถ้าสมาชิกคลัสเตอร์แตกต่างจากการทำซ้ำที่ผ่านมาซ้ำขั้นตอนที่
2-3 ขั้นตอนที่ 5: หยุดและเก็บผลการจัดกลุ่ม

ผลลัพธ์ (ไทย) 3:

หลังจาก art2 โครงข่ายประสาทเทียมกําหนดจํานวนของกลุ่มมาตรฐานการจัดกลุ่มขั้นตอนวิธีสามารถแบ่งพื้นที่นี้ในกลุ่มของคน ที่ใกล้ชิดกับแต่ละอื่น ๆขึ้นอยู่กับระยะทางวัด การ k-means รู้จักกันดีขั้นตอนวิธีที่ใช้เป็นฐานวิธีการจัดกลุ่มสนใจเป็นตัวแทนและเซสชันลำดับตามการแสดงครั้ง การ k-means คลัสเตอร์คุณลักษณะ / คุณสมบัติของกลุ่มในรอบเป็น K ( บวกจำนวนเต็ม ) จำนวนของกลุ่มโดยการลดผลรวมของกำลังสองของระยะทางระหว่างเซนทรอยด์ของกลุ่มข้อมูลที่สอดคล้องกันนอกจากนี้ ใช้ระยะทางที่ได้รับความนิยมมากที่สุด คือ ใช้เป็นวัดระยะทาง การ k-means การจัดกลุ่มขั้นตอนวิธีจะดําเนินการในขั้นตอน ดังนี้ ขั้นตอนที่ 1 : สร้างจุดเซนทรอยด์ สุ่มกลุ่มเริ่มต้นค่า K และ K ที่ได้จากกลุ่มเครือข่ายประสาท art2 . ขั้นตอนที่ 2 :มอบหมายให้แต่ละเซสชันกับเซนทรอยด์ของคลัสเตอร์ที่ใกล้ที่สุดในแง่ของระยะทางแบบยุคลิด . ขั้นตอนที่ 3 : คำนวณจุดเซนทรอยด์ คลัสเตอร์ใหม่ ขั้นตอนที่ 4 : ถ้าสมาชิกกลุ่มแตกต่างจากการทำซ้ำขั้นตอนสุดท้าย2 – 3 ขั้นตอนที่ 5 : หยุดและเก็บข้อมูลผล