您现在的位置是: 首页 > 数码设备 数码设备
flagk_flag抗体多少kd
zmhk 2024-05-29 人已围观
简介flagk_flag抗体多少kd 下面,我将用我自己的方式来解释flagk的问题,希望我的回答能够对大家有所帮助。让我们开始讨论一下flagk的话题。1.求2010年南非世界杯主题曲的歌词!2.C语言实例 九位累进可除数3.求和
下面,我将用我自己的方式来解释flagk的问题,希望我的回答能够对大家有所帮助。让我们开始讨论一下flagk的话题。
1.求2010年南非世界杯主题曲的歌词!
2.C语言实例 九位累进可除数
3.求和best of me一样好听的英文歌
4.k-means算法怎么为对称矩阵进行聚类?
5.Wavin Flag 歌词
求2010年南非世界杯主题曲的歌词!
FIFA(国际足联)与索尼音乐娱乐公司共同宣布,由著名拉丁歌手夏奇拉(Shakira)创作并参与制作的歌曲“Waka Waka (This Time For Africa)”[中译:哇咔哇咔(非洲时刻)],被选为2010年南非世界杯官方主题曲。
《Waka Waka (This Time For Africa)》
歌手:Shakira
专辑:Waka Waka
发行时间:2010年4月
歌词:
You're a good soldier
你是一个好战士
Choosing your battles
在你选择的战场
Pick yourself up
站起来
And dust yourself off
掸净灰尘
And back in the saddle
重新上路
You're on the frontline
你正在前线
Everyone's watching
人人都在关注
You know it's serious
你了解情况危急
We're getting closer
我们越来越团结
This isn't over
现在还没有结束
The pressure is on
压力已经到来
You feel it
你感受到了
But you've got it all
但是你已经获得这一切
Believe it
相信吧
When you fall get up
当你跌倒 爬起来
Oh oh
哦 哦
And if you fall get up
如果你跌倒你得爬起来
Eh eh
诶 诶
Tsamina mina
Zangalewa
Cause this is Africa
Tsamina mina eh eh
Waka Waka eh eh
Tsamina mina zangalewa
This time for Africa
这是属于非洲的时刻
Listen to your god
请听从你的信仰
This is our motto
这是我们的格言
Your time to shine
这是你发光的时刻
Don't wait in line
不要在队伍里等待
Y vamos por Todo
People are raising
人们在高呼
Their expectations
他们的期望
Go on and feed them
继续下去满足他们
This is your moment
现在是你的时刻
No hesitation
不要犹豫
Today's your day
今天是你的节日
I feel it
我感觉得到
You paved the way
是你铺平了道路
Believe it
相信吧
If you get down
如果你跌倒
Get up oh oh
再起来 哦 哦
When you get down
当你跌倒了
Get up eh eh
再起来 诶 诶
Tsamina mina zangalewa
This time for Africa
Tsamina mina eh eh
Waka Waka eh eh
Tsamina mina zangalewa
Anawa aa
Tsamina mina eh eh
Waka Waka eh eh
Tsamina mina zangalewa
This time for Africa
...
Tsamina mina eh eh
Waka Waka eh eh
Tsamina mina zangalewa
Anawa aa
Tsamina mina eh eh
Waka Waka eh eh
Tsamina mina zangalewa
This time for Africa
非洲语:
Abwela Majoni Biggie Biggie Mama One A To Zet
Ati CiCi LaMajoni Biggie Biggie Mama From East To West
Batsi . . . Waka Waka Ma Eh Eh Waka Waka Ma Eh Eh
San Wee See So Ma Zee Boo Ye
Cause this is Africa
Tsamina mina zangalewa
Anawa aa
...
Tsamina mina zangalewa
Anawa aa
This time for Africa
This time for Africa
C语言实例 九位累进可除数
2010年南非世界杯主题曲: Wavin’Flag《飘扬的旗帜》
演唱者:克南(K'naan)
《飘扬的旗帜》表达了对这片充满战火 、贫穷和落后的土地不离不弃的热爱。
2006德国世界杯主题曲
演唱者:“美声男伶”组合(Il Divo)
SonyBMG唱片公司著名作曲家约尔根·埃洛弗松(Jorgen Elofsson)作曲,超级制作人史蒂夫·麦克(Steve Mac)
2002世界杯主题曲--“足球圣歌”(Anthem)
演唱者:范吉利斯(Vangelis)
范吉利斯的配乐以华丽见长,我们最熟悉的是将气氛烘托到极致的“火的战车”。这首主题曲中有两个版本,一首电子乐版本的作品是由芬兰音乐家JS16混音完成,兼具东方色彩和电子乐风情。另一首交响乐版传统、大气,作为专辑的结尾恰倒好处。
范吉利斯:当代最成功的电子乐作曲家、新世纪音乐大师。1943年出生于希腊,从小就显露非同一般的音乐才华,然而他拒绝接受钢琴课,并坚持自学成才。1981年荣获奥斯卡**最佳配乐奖以《火的战车》,从此蜚声国际,**的主题歌甚至进入美国流行榜十大,其后引发了一系列的**音乐创作。1992年,范吉利斯获颁法国最富盛誉的艺术文学骑士勋章。他的最新作品是为美国宇航局的“2001火星奥德赛”任务创作的主题音乐“Mythodea”。
1998年法国世界杯主题曲 《Allez! Ola! Ole! 》
演唱者:尤索·恩多(Youssou N'Dour )& 阿克塞拉·瑞德(Axelle Red)
“我踢球你介意吗”是首轻快的歌曲,带着浓烈的热带情调和欢快的吟唱风格。演唱者都不是法国人,歌曲没有明显的法国特点,可能也正应和了世界杯融合交流的主题,并符合法国人喜好出人意料的性格。但很多人认为并不好听。
尤索·恩多
尤索-恩多是目前世界乐坛最著名的世界音乐歌手之一,这位嗓音独特的塞内加尔人生于1959年10月。美国著名乐评杂志《滚石》是这样评价他的:“如果有哪位来自第三世界的艺人在全球影响力上能和鲍伯-马里(Bob Marley)相提并论的话,那只有尤索-恩多。他的嗓音独特,古老非洲的历史似乎都凝结在他的声线之中。”
阿克塞拉·瑞德
1968年生于比利时的海塞尔特,3岁起学习舞蹈并接触音乐,从莫扎特到南部灵歌,她都有所涉猎。1983年用英语录制了第一张单曲,因为英语最适合她想唱的这类歌曲。在Virgin唱片的支持下,她继续女性灵歌风格的探索。1993年她的第一张专辑《Sans Plus Attendre》终于为她不仅在比利时,更在法语地区赢得了声誉。1998年6月她同尤索-恩多在世界杯开幕式上向法兰西体育场内8万球迷和全球数亿观众演唱了这首充满欢快节奏和热带韵律的歌曲。
1994年美国世界杯主题曲 Gloryland
演唱者:达利尔·豪(Daryl Hall)
达利尔·豪是美国70和80年代知名组合“豪与奥兹双人组”(Hall and Oates)的成员之一。他1946年10月11日出生,原名Daryl Franklin Hohl。来自费城的达利尔在坦普尔大学结识了后来的伙伴约翰-奥兹(John Oates)。他们几经分合,最后在汤米·莫托拉(Tommy Mottola,后来也是玛莉亚凯莉的经理人)的运作下,签约亚特兰大唱片公司。1972年推出首张专辑《纯粹的奥兹》(Whole Oates)。1984年他们成为历史上排名最高的民谣二人组,同年组合解散,各自发展,1988年为了专辑《Ooh Yeah!》重组。至今他仍有新专辑推出。
1990年意大利世界杯主题曲 “意大利之夏”
演唱者:吉奥吉·莫罗德(Giorgio Moroder)和吉娜·娜尼尼(Gianna Nannini)
“意大利之夏”或许是最成功的世界杯主题曲,至今仍被资深球迷和歌迷所津津乐道。这是首悠扬动听,又振奋人心的歌曲,意大利人将亚平宁半岛上的海风和足球王国对足球运动的理解糅合成迷人的音乐。这首歌有数个版本,原唱录音版较舒缓传统;现场演唱版则加入更多摇滚节奏;因为作曲的是意大利电子乐大师吉奥吉,也有过节奏强劲的混音版。超级球迷香港天王谭咏麟也曾将此歌改成粤语版本的“理想与和平”。两位原唱者都是意大利最著名的流行乐大师,并且此歌也是两人合作写成的,英语版由吉奥吉演唱。
求和best of me一样好听的英文歌
求九位累进可除数。所谓九位累进可除数就是这样一个数:这个数用到1到9这九个数字组成,每个数字刚好只出现一次。这九个位数的前两位能被2整除,前三位能被3整除......前N位能被N整除,整个九位数能被9整除。
*问题分析与算法设计
问题本身可以简化为一个穷举问题:只要穷举每位数字的各种可能取值,按照题目的要求对穷举的结果进行判断就一定可以得到正确的结果。
问题中给出了“累进可除”这一条件,就使得我们可以在穷举法中加入条件判断。在穷举的过程中,当确定部分位的值后,马上就判断产生的该部分是否符合“累进可除”条件,若符合,则继续穷举下一位数字;否则刚刚产生的那一位数字就是错误的。这样将条件判断引入到穷举法之中,可以尽可能早的发现矛盾,尽早地放弃不必要穷举的值,从而提高程序的执行效率。
为了达到早期发现矛盾的目的,不能采用多重循环的方法实行穷举,那样编出的程序质量较差。程序中使用的算法不再是穷举法,而是回朔法。
*程序说明与注释
#includestdio.h
#define NUM 9
int a[NUM+1];
int main()
{
int i,k,flag,not_finish=1;
long sum;
i=1;
/*i:正在处理的数组元素,表示前i-1个元素已经满足要求,正处理的是第i个元素*/
a[1]=1; /*为元素a[1]设置初值*/
while(not_finish) /*not_finish=1:处理没有结束*/
{
while(not_finishi=NUM)
{
for(flag=1,k=1;flagki;k++)
if(a[k]==a[i])flag=0; /*判断第i个元素是否与前i-1个元素重复*/
for(sum=0,k=1;flagk=i;k++)
{
sum=10*sum+a[k];
if(sum%k)flag=0; /*判断前k位组成的整数是否能被k整除*/
}
if(!flag) /*flag=0:表示第i位不满足要求,需要重新设置*/
{
if(a[i]==a[i-1]) /*若a[i]的值已经经过一圈追上a[i-1]*/
{
i--; /*i值减1,退回处理前一个元素*/
if(i1a[i]==NUM)
a[i]=1; /*当第i位的值达到NUM时,第i位的值取1*/
else if(i==1a[i]==NUM) /*当第1位的值达到NUM时结束*/
not_finish=0; /*置程序结束标记*/
else a[i]++; /*第i位的值取下一个,加1*/
}
else if(a[i]==NUM) a[i]=1;
else a[i]++;
}
else /*第i位已经满足要求,处理第i+1位*/
if(++i=NUM) /*i+1处理下一元素,当i没有处理完毕时*/
if(a[i-1]==NUM) a[i]=1; /*若i-1的值已为NUM,则a[i]的值为1*/
else a[i]=a[i-1]+1; /*否则,a[i]的初值为a[i-1]值的"下一个"值*/
}
if(not_finish)
{
printf("\nThe progressire divisiable number is:");
for(k=1;k=NUM;k++) /*输出计算结果*/
printf("%d",a[k]);
if(a[NUM-1]NUM) a[NUM-1]++;
else a[NUM-1]=1;
not_finish=0;
printf("\n");
}
}
}
*运行结果
The progressire divisible number is: 381654729
*思考题
求N位累进可除数。用1到9这九个数字组成一个N(3=N=9)位数,位数字的组成不限,使得该N位数的前两位能被2整除,前3位能被3整除,......,前N位能被N整除。求满足条件的N位数。
k-means算法怎么为对称矩阵进行聚类?
2009年风靡欧美和韩国 76首金曲超强极品混音
A.R.Rahman - Jai Ho(You Are My Destiny)
Akon Keri Hilson - Oh Africa
alan - 我的月光
B TUFF - the box song
baby one more time 小甜甜布兰妮_001
Babyface - With Him
Backstreet Boys - Straight Through My Heart
Beyonce Knowles - Single ladies (Put A Ring On It)
Beyonce Knowles Alicia Keys - Put It In A Love Song
Beyonce Knowles Lady GaGa - Telephone
Blur - Fool's Day
Britney Spears - Toxic
Brown Eyed Girls - Abracadabra(Fraktal Voodoo Remix)
Christina Aguilera - Not Myself Tonight
Corvus Corax - Ballade De Mercy
f(x) - Chu~_
Faith And The Muse - Burning Season
Final Fantasy - 素敌だね
Florence And The Machine - Heavy In Your Arms
Freiburger Spielleyt - Saltarello
Groove Coverage - Moonlight Shadow
Herbert Gronemeyer - Celebrate The Day
In Gowan Ring - Limpid Brook
Iron & Wine - Flightless Bird' American Mouth
Jewel - Goodbye Alice in Wonderland
Jewel - Stay Here Forever
Justin Bieber - Never Say Never
Katy Perry 3OH!3 - Starstrukk
Katy Perry - Hot N' Cold
Katy Perry - I Kissed A Girl
Katy Perry - I'm Still Breathing
Katy Perry - One Of The Boys
Katy Perry - Self Inflicted
Katy Perry - Waking Up In Vegas
Ke$ha - N-N-N-Neva Baby
Ke$ha - Tik Tok
K'naan - Wavin' Flag
K'naan - Waving Flag
Lady GaGa - Bad Romance
Lady GaGa - Boys Boys Boys(Manhattan Clique)
Lady GaGa - Just Dance
Lady GaGa - Love Game(1)
Lady GaGa - Paparazzi(Stuart Price Remix)
Lady GaGa - Poker Face
Lady GaGa - So Happy I Could Die
Lenka - The Show
Leona Lewis - My Hands
Lil Jon Paradiso Girls - Patron Tequila
LostSakura制作 - 甩葱歌 铃声
madonna-la_is_la_bonita
Maria Arredondo - Burning
Meredith Andrews - Can Anybody Hear Me
mika - lollipop
Muse - Neutron Star Collision(1)
Muse - Supermassive Black Hole
One Republic - Apologize
Owl City - Fireflies
Pink - Bad Influence
Pixie Lott - Cry Me Out
Queen Adreena - We Will Rock You
Ricky Martin - The Cup Of Life
RossTallanma - lubov
Sandara Park - Kiss
Sara - 即使知道要见面
Schnuffel - Haeschenparty
Schnuffel - Schlaf Schoen Mein Schatz
Schnuffel - Schnuffels Weihnachtslied
Shakira - Waka Waka (This Time For Afric
Stewart Mac - I Love You
Super Junior - BONAMANA(___,美人啊)
Super Junior - SORRY, SORRY( )
T.A.T.U. - Show Me Love
T.A.T.U. - You And I
Tae In - 那个男人的谎言
Taylor Swift - You Belong With Me
The Blue Van - There Goes My Love
The Cranberries - dying in the sun
The Dead Weather - Rolling In On A Burning Tire
The Soil Bleeds Black - Daughter of Leondegran
Vitas - 不幸的
Vitas - 不要安静的如此响亮
Vitas - 歌剧2
Vitas - 汗衫短裤
Vitas - 黑夜一半,白天一半
Vitas - 你去哪里,我去哪里
Vitas - 首都街
Vitas - 万福玛利亚
Vitas - 星星
Vitas - 因特网心情
Vitas - 咒语
WestLife - Nothing’s Gonna Change My Love For You
WestLife - What About Now
Wonder Girls - Nobody
YUI for 雨音薫 - LOVE & TRUTH
碧娜 - 爱情断了线
宾克斯的酒
不可思议-金莎
蔡妍 - 摇摆
陈思涵 - 泪狂奔
成龙 - 油菜花
初音未来 - 甩葱歌
非常完美插曲 - im gonna getcha good
分岛花音 - still doll
宫村优子 - It's only the fairly tale
关淑怡 - 万物生
海鸣威 - 老人与海
胡歌 - 逍遥叹《仙剑奇侠传》电视原声
花海-周杰伦
画心
金莎 - 天边的眷恋
金钟国 - 讨人喜欢
劲舞团 - 逃跑
久石让 - 少年的黄昏
军歌 - 闪电部队在前进
李健 - 传奇
李孝利 - Chitty Chitty Bang Bang
李贞贤 - 疯掉
龙珠 - Yeah! Break! Care! Break!
麦わらの一味-ビンクスの酒 (BONUS TRACK)
奶牛歌-七公主
青花瓷
群星 - 死性不改(童声版)
日韩群星 - 永久指针(海盗王主题曲)
萨顶顶 - 万物生(梵文版)
少女时代 - Gee
少女时代 - Genie
少女时代 - Oh!
藤田惠美 - Down By The Salley Gardens
屠洪纲 - 精忠报国
王筝 - 越单纯越幸福
网络歌手 - 千年缘
吸血鬼女王 - Forsaken
吸血鬼女王-Not Meant for Me
小野丽莎 - Rasa Sayang(马来西亚)(1)
许嵩 - 玫瑰花的葬礼
杨幂 - 琉璃月
印度群星 - 女友嫁人 新郎不是我
英文舞曲 - 童声舞曲很可爱哦
影视原声 - Tell Me Now (What You See)
永恒之塔 - Forgotten Sorrow -见えない悲しみ(Kor.Ver)
游戏音乐 - Floorfiller
游戏音乐 - she is my sin-Nightwish
张杰 - 看月亮爬上来 - 完整版
张学友 - 饿狼传说
志方あきこ - VII
周杰伦 - 不能说的秘密
周杰伦 - 稻香
周杰伦 - 好久不见
周杰伦 - 你是我的OK绷
周杰伦 - 甜甜的
周杰伦 - 烟花易冷
周杰伦 - 夜的第七章
周杰伦 - 夜曲
诸神之战 - Perseus
诸神之战 - Scorpiox
最终幻想 - Beyond the Wasteland - FFVII ACC Version -
最终幻想 - wild dance
这是我自己收藏的歌!给你了!
里面有英文,中文,印度,日本,韩国,俄国,**游戏音乐,还有几首世界杯的。
得分啊啦
Wavin Flag 歌词
几种典型的聚类融合算法:
1.基于超图划分的聚类融合算法
(1)Cluster-based Similarity Partitioning Algorithm(GSPA)
(2)Hyper Graph-Partitioning Algorithm(HGPA)
(3)Meta-Clustering Algorithm(MCLA)
2.基于关联矩阵的聚类融合算法
Voting-K-Means算法。
3.基于投票策略的聚类融合算法
w-vote是一种典型的基于加权投票的聚类融合算法。
同时还有基于互信息的聚类融合算法和基于有限混合模型的聚类融合算法。
二、基于关联矩阵的聚类融合算法——Voting-K-Means算法
Voting-K-Means算法是一种基于关联矩阵的聚类融合算法,关联矩阵的每一行和每一列代表一个数据点,关联矩阵的元素表示数据集中数据点对共同出现在同一个簇中的概率。
算法过程:
1.在一个数据集上得到若干个聚类成员;
2.依次扫描这些聚类成员,如果数据点i和j在某个聚类成员中被划分到同一个簇中,那么就在关联矩阵对应的位置计数加1;关联矩阵中的元素值越大,说明该元素对应的两个数据点被划分到同一个簇中的概率越大;
3.得到关联矩阵之后,Voting-K-Means算法依次检查关联矩阵中的每个元素,如果它的值大于算法预先设定的阀值,就把这个元素对应的两个数据点划分到同一个簇中。
Voting-K-Means算法的优缺点:
Voting-K-Means算法不需要设置任何参数,在聚类融合的过程中可以自动地的选择簇的个数 并且可以处理任意形状的簇。因为Voting-K-Means算法在聚类融合过程中是根据两个数据点共同出现在同一个簇中的可能性大小对它们进行划分的,所以只要两个数据点距离足够近,它们就会被划分到一个簇中。
Voting-K-Means算法的缺点是时间复杂度较高,它的时间复杂度是O(n^2);需要较多的聚类成员,如果聚类成员达不到一定规模,那么关联矩阵就不能准确反映出两个数据点出现在同一个簇的概率。
package clustering;import java.io.FileWriter;import weka.clusterers.ClusterEvaluation;import weka.clusterers.SimpleKMeans;import weka.core.DistanceFunction;import weka.core.EuclideanDistance;import weka.core.Instances;import weka.core.converters.ConverterUtils.DataSource;import weka.filters.unsupervised.attribute.Remove;public class Votingkmeans2 extends SimpleKMeans { /** 生成的序列号 */ private static final long serialVersionUID = 1557181390469997876L; /** 划分的簇数 */ private int m_NumClusters; /** 每个划分的簇中的实例的数量 */ public int[] m_ClusterSizes; /** 使用的距离函数,这里是欧几里德距离 */ protected DistanceFunction m_DistanceFunction = new EuclideanDistance(); /** 实例的簇号赋值 */ protected int[] m_Assignments; /** 设定聚类成员融合阀值 */ private final static double THREASOD = 0.5; /** 生成一个聚类器 */ public void buildClusterer(Instances data) throws Exception{ final int numinst = data.numInstances(); // 数据集的大小 double [][]association = new double[numinst][numinst]; // 定义并初始化一个关联矩阵 int numIteration = 40; // 设置生成的聚类成员数 final int k = (int)Math.sqrt(numinst); // 设置K-Means聚类算法参数——簇数 for(int i = 0; i < numIteration; i++) { if(data.classIndex() == -1) data.setClassIndex(data.numAttributes() - 1); // 索引是从0开始 String[] filteroption = new String[2]; filteroption[0] = "-R"; filteroption[1] = String.valueOf(data.classIndex() + 1);// 索引是从1开始 Remove remove = new Remove(); remove.setOptions(filteroption); remove.setInputFormat(data); /* 使用过滤器模式生成新的数据集;新数据集是去掉类标签之后的数据集 */ Instances newdata = weka.filters.Filter.useFilter(data, remove); /* 生成一个K-Means聚类器 */ SimpleKMeans sm = new SimpleKMeans(); sm.setNumClusters(k); sm.setPreserveInstancesOrder(true); // 保持数据集实例的原始顺序 sm.setSeed(i); // 通过设置不同的种子,设置不同的簇初始中心点,从而得到不同的聚类结果 sm.buildClusterer(newdata); int[] assigm = sm.getAssignments(); // 得到数据集各个实例的赋值 /* 建立关联矩阵 */ for(int j = 0; j < numinst; j++) { for(int m = j; m < numinst; m++) { if(assigm[j] == assigm[m]) { association[j][m] = association[j][m] + 1.0 / numIteration ; } } } } System.out.println(); /* 将生成的关联矩阵写入.txt文件(注:生成的txt文本文件在e:/result.txt中) */ FileWriter fw = new FileWriter("e://result.txt"); for(int j = 0; j < numinst; j++) { for(int m = j; m < numinst; m++) { //由于关联矩阵是对称的,为了改进算法的效率,只计算矩阵的上三角 String number = String.format("%8.2f", association[j][m]); fw.write(number); } fw.write("\n"); } /* 处理关联矩阵,分别考虑了两种情况 :1.关联矩阵中某个元素对应的两个数据点已经被划分到了不同的簇中 * 2.两个数据点中有一个或者两个都没有被划分到某个簇中。 */ int[] flag = new int[numinst]; int[] flagk = new int[k]; int[] finallabel = new int[numinst]; for(int m = 0; m < numinst; m++) { for(int n = m; n < numinst; n++) { if(association[m][n] > THREASOD) { if(flag[m] == 0 && flag[n] == 0) { // 两个数据点都没有被划分到某个簇中, int i = 0; // 将他们划分到同一个簇中即可 while (i < k && flagk[i] == 1) i = i + 1; finallabel[m] = i; finallabel[n] = i; flag[m] = 1; flag[n] = 1; flagk[i] = 1; } else if (flag[m] == 0 && flag[n] == 1) { // 两个数据点中有一个没有被划分到某个簇中, finallabel[m] = finallabel[n]; // 将他们划分到同一个簇中即可 flag[m] = 1; } else if (flag[m] == 1 && flag[n] == 0) { finallabel[n] = finallabel[m]; flag[n] = 1; } else if (flag[m] == 1 && flag[n] == 1 && finallabel[m] != finallabel[n]) { // 两个数据点已被划分到了不同的簇中, flagk[finallabel[n]] = 0; // 将它们所在的簇合并 int temp = finallabel[n]; for(int i = 0; i < numinst; i++) { if(finallabel[i] == temp) finallabel[i] = finallabel[m]; } } } } } m_Assignments = new int[numinst]; System.out.println("基于关联矩阵的聚类融合算法——Voting-K-Means算法的最终聚类结果"); for(int i = 0; i < numinst; i++) { m_Assignments[i] = finallabel[i]; System.out.print(finallabel[i] + " "); if((i+1) % 50 == 0) System.out.println(); } for(int i = 0; i < k; i++) { if(flagk[i] == 1) m_NumClusters++; } } /** * return a string describing this clusterer * * @return a description of the clusterer as a string */ public String toString() { return "Voting-KMeans\n"; } public static void main(String []args) { try {String filename="e://weka-data//iris.arff"; Instances data = DataSource.read(filename); Votingkmeans2 vk = new Votingkmeans2(); vk.buildClusterer(data); /* 要生成Voting-K-Means的聚类评估结果包括准确率等需要覆盖重写toString()方法; * 因为没有覆盖重写,所以这里生产的评估结果没有具体内容。 */ ClusterEvaluation eval = new ClusterEvaluation(); eval.setClusterer(vk); eval.evaluateClusterer(new Instances(data)); System.out.println(eval.clusterResultsToString()); } catch (Exception e) { e.printStackTrace(); }}}
分析代码时注意:得到的类成员变量m_Assignments就是最终Voting-K-Means聚类结果;由于是采用了开源机器学习软件Weka中实现的SimpleKMeans聚类算法,初始时要指定簇的个数,这里是数据集大小开根号向下取整;指定的阀值为0.5,即当关联矩阵元素的值大于阀值时,才对该元素对应的两个数据点进行融合,划分到一个簇中,考虑两种情况,代码注释已有,这里不再详述。但聚类融合的实验结果并不理想,莺尾花数据集irsi.arff是数据挖掘实验中最常用的数据集,原数据集共有三个类;但本实验进行四十个聚类成员的融合,其最终聚类结果划分成两个簇;其原因可能有两个:一是算法本身的问题,需要使用其他更加优化的聚类融合算法;二是实现上的问题,主要就在聚类结果的融合上,需要进行一步对照关联矩阵进行逻辑上的分析,找出代码中的问题。关联矩阵文本文件/song/266827
好了,今天关于“flagk”的话题就到这里了。希望大家能够通过我的讲解对“flagk”有更全面、深入的了解,并且能够在今后的生活中更好地运用所学知识。