2048 AI社区

2048 AI社区

AI资讯 AI造物社区 MCP

话题讨论活动竞赛科技篇产业对接

去全站搜索看看？

登录社区云

登录社区云，与社区用户共同成长

2048 AI社区

邀请您加入社区

欢迎加入社区

欢迎加入社区

kmeans

健康行为监测与久坐提醒：K-Means聚类在健康领域的应用

本文介绍了一个基于K-Means聚类算法的健康行为监测系统。该系统通过分析智能手机传感器数据，将用户行为自动分类为静止和运动两种状态，准确率达99.78%。研究使用标准化处理后的数据集（3609条记录，563个特征），采用肘部法则确定最佳聚类数k=2。系统能识别连续静止时间（最长51分钟），并生成个性化健康建议。项目完整展示了AI开发周期，包括数据预处理、模型构建、效果评估和交互式仪表板开发。该系

 zouhui
2026-02-14 17:35:38

 709

 19

#kmeans #聚类 #人工智能
智能计算十年演进

智能计算十年演进：从算力堆叠到内核级智能（2015-2025）过去十年，智能计算经历了从云计算堆叠到AI专有架构，再到原生智算内核的三阶段跨越。2015-2018年以GPU云化和深度学习框架兴起为特征；2019-2022年大模型需求催生异构算力爆发；2025年将实现三大突破：1）eBPF驱动的AI-Native内核实现微秒级调度，2）CXL 3.0协议打破内存墙，3）1.58-bit量化计算使能

 jzwspace
2026-02-14 11:29:04

 695

 19

#分类 #数据挖掘 #人工智能 +4
文本分类十年演进

摘要：文本分类技术在2015-2025年间经历了三大技术纪元：浅层模型期（2015-2017）：依赖TF-IDF、词袋模型，FastText提升罕见词处理能力，但无法理解语序；深度学习期（2018-2022）：Transformer和BERT实现语义动态理解，微调范式降低训练成本； 2025全模态时代：大模型生成分类理由，eBPF实现微秒级内核安全审计，1.58-bit量化模型嵌入终端。核

 jzwspace
2026-02-14 11:27:33

 810

 19

#分类 #数据挖掘 #人工智能 +4
K-means十年演进

摘要： K-means算法在2015-2025年间经历了三大技术演进：1）工程化加速期（2015-2018），通过K-means++和分布式计算优化大数据处理；2）GPU深度聚类期（2019-2022），结合Faiss和神经网络提升高维数据处理能力；3）2025年进入智算原生时代，实现eBPF内核级流式聚类和多模态语义对齐，成为大模型数据清洗和实时分析的核心组件。其应用从传统客户分群扩展到RAG系

 jzwspace
2026-02-14 11:23:21

 469

 7

#kmeans #算法 #机器学习 +4
大模型应用：K-Means/LDA + 大模型：无监督文本自动打标完整方案.85

摘要：本文提出了一种结合聚类算法与大模型的非结构化文本自动分类方案，有效解决无标签数据处理难题。通过K-Means/LDA聚类算法实现文本自动分组，再利用大模型的语义理解能力为聚类结果生成业务可理解的标签和解释。该方法包含数据预处理、向量化、聚类分析、大模型标签生成等完整流程，显著降低人工标注成本，提升文本分析效率。实验以电商评论为例，展示了从原始数据到业务标签体系的转化过程，证实该方案能有效挖掘

 minhuan
2026-02-13 15:13:47

 1105

 36

#kmeans
AI编程实例 - 爆款文章预测：K-Means聚类与分类算法的实践

本文构建了一个社交媒体传播力预测系统，通过机器学习技术分析文章特征并预测其传播潜力。项目采用K-Means聚类和有监督学习算法（逻辑回归、SVM、KNN），其中逻辑回归表现最佳。研究发现标题词数和内容词数是关键特征，使用平均值而非中位数作为传播力阈值可显著提升准确率。系统实现了从数据预处理到模型部署的全流程，为内容创作者提供数据驱动的决策支持。未来可通过特征工程、模型优化和处理数据不平衡进一步提升

 zouhui
2026-01-30 10:04:12

 785

 16

#kmeans #聚类 #人工智能 +1
文本分类十年演进（2015–2025）

年份核心范式跃迁代表模型/技术准确率（GLUE/中文分类）/实时性主要能力/应用中国贡献/里程碑2015手工特征+浅层分类BoW + SVM / TextCNN初探~85–90% / 离线关键词分类TextCNN论文，中国跟进BoW+SVM2017CNN/RNN+注意力初探~90–92% / 准实时上下文初步华为/阿里初代TextCNN，中国情感分类产业化起步2019预训练大模型爆发~93–95%

jzwspace
2026-01-13 09:53:29

 531

 11

#分类 #数据挖掘 #人工智能 +4
K-means十年演进（2015–2025）

摘要： 2015-2025年，K-means从经典聚类算法（手工Lloyd迭代+欧氏距离）逐步被深度聚类、自监督学习和多模态大模型动态聚类取代。2015年其在小规模静态数据中占主导（精度70-80%），2019年后深度聚类（DEC/SwAV）实现更高精度（>90%）和实时性。2023年起，多模态大模型（如CLIP Cluster）推动意图级动态聚类（精度>99%），中国厂商（华为、阿里

 jzwspace
2026-01-12 09:52:26

 856

 8

#kmeans #算法 #机器学习 +4
基于springboot个人物品管理系统

摘要：基于SpringBoot的个人物品管理系统解决了传统物品管理中的存放混乱、查找困难、保修遗漏等问题。系统核心功能包括物品信息录入、分类标签管理、多条件检索及智能提醒服务，实现物品全生命周期管理。采用SpringBoot+MySQL+Vue技术栈，具备轻量易部署、高效检索和安全防护特性。实施后物品查找效率提升90%，年均减少重复支出30%，显著优化生活体验。未来计划引入AI识别和家庭共享功能

 qq_1744828575
2026-01-08 15:20:39

 820

 28

#算法 #django #kmeans
机器学习025:无监督学习【聚类算法】（K-Means）-- 用“分堆游戏”理解数据分组的智慧

K-Means通过不断“找中心-分配点-调中心”的迭代舞蹈，将无标签数据自动分组，让机器学会发现数据中隐藏的自然结构。学习AI就像探索一个巨大的迷宫，K-Means是你拿到的第一张简单地图。它可能不展示所有细节，但能帮你建立方向感。记住不要被数学公式吓倒，核心思想往往很直观多动手实践，代码跑起来比读十篇文章更有用理解一个算法的局限和它的能力一样重要AI本质上是工具，思考“用它解决什么问题”比“它多

 黑客思维者
2025-12-23 09:23:50

 1214

 36

#机器学习 #算法 #学习 +2
C#的“K-means聚类“：数据分群的“数学魔法“！

K-means聚类不是什么神秘的AI黑科技，而是一个简单但强大的工具，能帮助你从数据中提取有价值的信息。在C#中实现K-means，不仅能让你快速处理数据，还能无缝集成到你的应用程序中。记住，K-means的成功不在于算法本身，而在于如何准备数据、如何选择特征、以及如何解释结果。就像我之前在金融项目中做的那样，K-means不是终点，而是洞察的起点。

墨夶
2025-12-05 17:00:00

 881

 14

#c##kmeans #聚类
工业互联网中的大数据分析：驱动智能制造的核心力量

摘要：工业互联网（IIoT）与大数据的深度融合正在推动制造业智能化转型。本文探讨了大数据在工业互联网中的关键作用，包括预测性维护、生产优化、智能供应链管理和产品生命周期管理等应用场景。大数据分析可提高生产效率、降低运营成本、改善产品质量，并支持智能决策。然而，数据质量、安全隐私、技术集成和人才短缺等挑战仍需解决。未来，AI融合、边缘计算、实时分析和数据共享将成为重要趋势，推动制造业向高效智能化发展

 2501_94180726
2025-11-15 19:34:45

 1450

 16

#kmeans
Linux与人工智能的融合边界：算力调度与资源自治的未来蓝图

Linux正在经历从传统操作系统向AI算力核心平台的转型。作为AI基础设施的"神经中枢"，Linux不再仅执行任务调度，而是演变为智能算力编排系统。其内核优化包括：CPU调度器引入负载预测、内存分层管理、异构设备统一调度，并实现与AI框架的深度协同。未来趋势是构建自主资源治理系统，通过机器学习优化内核行为，最终形成能自我感知、决策和恢复的分布式智能操作系统。这一进化使Linux

2501_94114711
2025-11-10 17:48:44

 736

 14

#kmeans
如何通过机器学习（如K-means、SVM、决策树）与深度学习（如CNN、LSTM）模型，进行全球气候变化驱动因素的数据分析与趋势预测

本内容旨在利用前沿的AI Agent技术和Python编程，系统讲解如何通过机器学习（如K-means、SVM、决策树）与深度学习（如CNN、LSTM）模型，进行全球气候变化驱动因素的数据分析与趋势预测。·ChatGPT、Gemini、Deepseek、Claude、Grok等介绍并对比（什么事TOKENS、WindowContext、API调用费用）结合机器学习（K-means、SVM、决策树）

xiao5kou4chang6kai4
2025-10-29 14:21:53

 1152

 19

#机器学习 #深度学习 #kmeans
用AI点亮图像的那些事儿，CVPR里的图像增强！

计算机视觉领域涌现多项创新技术解决图像质量提升难题。三篇论文分别提出：1）基于强化学习的相机曝光控制方法，通过课程学习和领域随机化实现动态光照适应；2）自适应矩形卷积网络ARNet，动态调整卷积核捕获多尺度特征，提升遥感图像融合效果；3）结构引导Transformer框架SG-LLIE，融合CNN与Transformer优势，在低光增强中保持细节。这些方法通过创新架构设计和训练策略，显著提升了图像

 Tulingjin
2025-08-16 09:00:00

 2341

 59

#人工智能 #kmeans #算法 +2
基于python的睡眠健康分析系统设计与实现【K-means聚类、雷达图】

摘要：本项目基于Python与Flask框架开发了一套睡眠健康分析系统，通过多维度数据采集（如睡眠时长、生活习惯等），结合K-means聚类和可视化技术（pyecharts/Matplotlib），实现睡眠模式的自动化分析与个性化展示。系统包含数据预处理、聚类分析、交互式图表（雷达图/热力图等）及用户管理功能，支持个人健康监测与科研医疗应用。其创新点在于全流程集成、多维度可视化及AI驱动的睡眠分

 王小王-123
2025-08-15 10:22:02

 1349

 22

#python #kmeans #聚类
左手精准评估，右手无限生成！K-Means三篇CVPR论文拆解风暴来袭！

【摘要】CVPR顶会研究揭示K-Means在AI领域的创新应用：1）通过平衡K-means重排VQGAN码本，实现自回归视觉生成质量提升与40%训练加速；2）提出KCFCA方法，利用聚类中心Fréchet距离实现无标签模型评估；3）在视频语义分割中，通过K-means聚类构建全局原型提升分割精度。这些研究突破传统聚类算法边界，展现了K-Means在生成模型、无监督评估和复杂场景处理中的核心价值。关

 Tulingjin
2025-08-11 17:34:26

 469

 12

#kmeans #算法 #机器学习 +4
基于text2vec 和 fast-pytorch-kmeans 的文本聚类实现，利用GPU加速提高聚类速度

使用text2vec模型，把文本转成向量。使用text2vec训练好的模型权重进行文本编码，不重新训练word2vec模型。利用pytorch在cuda上加速聚类计算。

jieshenai
2024-03-14 09:19:18

 2308

 24

#word2vec #kmeans #pytorch
机器学习练手（二）：基于KMeans的股票分类

KMeans在确定分类个数计算时，无法使用object类型的数据，应当提前删除或对特征进行one-hot处理。

大地之灯
2024-08-03 18:20:15

 1996

 17

#机器学习 #kmeans #分类
kscorer实现最优K-means聚类自动选择

来源：我得学城‍本文约3200字，建议阅读7分钟本文介绍自动化的k值选择方法。在Kmeans聚类算法当中，精准确定聚类数量K值一直是一件棘手的问题。本文来源：https://towardsdatascience.com/precision-clustering-made-simple-kscorers-guide-to-auto-selecting-optimal-k-means-cluste..

数据派THU
2023-12-08 19:01:31

 1020

#kmeans #聚类 #支持向量机 +2
使用 KMeans 进行多模态数据分析

1.背景介绍多模态数据分析是指同时处理和分析来自不同数据源或类型的数据，如图像、文本、音频等。随着数据的多样性和复杂性不断增加，多模态数据分析在人工智能和大数据领域变得越来越重要。在这篇文章中，我们将介绍如何使用 K-Means 算法进行多模态数据分析。K-Means 是一种常用的无监督学习算法，主要用于聚类分析。它的核心思想是将数据集划分为 k 个群集，使得每个群集内的数据点与其他群集最...

禅与计算机程序设计艺术
2024-01-09 00:57:18

 1994

 21

#kmeans #数据分析 #算法 +2
K-means优化算法(KO)-SCI一区高被引算法！公式原理详解与性能测评 Matlab代码免费获取

K-means优化算法(K-meansOptimizer,KO)是一种新型的元启发式算法（智能优化算法），灵感来源于使用K-means算法建立聚类区域的质心向量。不同于以往的动物园算法，该算法原理新颖，在优化算法中巧妙引入聚类算法，值得一试！该成果由Hoang-Le Minh于2022年9月发表在SCI一区顶刊《Knowledge-BaesdSystems》上！

强盛机器学习
2024-12-02 01:33:54

 1993

 6

#kmeans #算法 #机器学习 +1
K-means(K均值)算法简单实现二维/三维结果展示

1. 简介k-means算法是一种聚类算法，所谓聚类，即根据相似性原则，将具有较高相似度的数据对象划分至同一类簇，将具有较高相异度的数据对象划分至不同类簇。聚类与分类最大的区别在于，聚类过程为无监督过程，即待处理数据对象没有任何先验知识，而分类过程为有监督过程。k-means是最简单的聚类算法之一，应用十分广泛，k代表类簇个数，means代表类簇内数据对象的均值。k-means以距离作为相...

alphaTao
2019-08-06 15:56:57

 1.5w

 27

#kmeans #python
9.sklearn-K-means算法

1 ）一种典型的无监督学习算法， 2 ）主要用于将相似的样本自动归到一个类别中 3 ）计算样本和样本之间的相似性，一般使用欧式距离。

编程开发者
2024-09-22 16:16:03

 967

 5

#算法 #sklearn #kmeans
【机器学习】利用K-means算法进行客户分群

在数据科学和机器学习领域，K-means聚类是一种常用的无监督学习方法，用于将数据分成预定义数量的群体。在这个例子中，我们将使用K-means算法对一个简化的销售数据集进行客户分群，以便更好地了解不同群体的消费行为。

林九生
2023-12-10 00:13:50

 1355

 7

#机器学习 #算法 #kmeans
【图像分割】基于聚类的乳腺肿瘤分割算法：k-means、模糊 c-means 和优化 k-means附matlab代码

乳腺癌是全球女性最常见的恶性肿瘤之一，早期诊断对提高患者生存率至关重要。医学图像分析，特别是乳腺超声或 mammography 图像的分割，在辅助诊断中扮演着关键角色。准确分割出肿瘤区域能够帮助医生更有效地评估肿瘤大小、位置和形态，从而制定更精准的治疗方案。本文将探讨基于聚类的图像分割方法在乳腺肿瘤分割中的应用，重点比较k-means算法、模糊c-means算法以及优化后的k-means算法，并提

 Matlab_数学建模助手
2024-10-28 21:49:13

 1018

 13

#算法 #聚类 #kmeans
C3_W1_KMeans_Assignment || 吴恩达可选实验室

C3_W1_KMeans_Assignment 吴恩达可选实验室答案

 今晚没有月亮564
2025-04-23 16:55:23

 349

 5

#kmeans #机器学习 #算法
获取K-means的聚类中心

K-means的聚类中心

 DeniuHe
2022-01-22 19:50:59

 6769

 2

#聚类 #kmeans
K-means聚类模型应用场景

在公共安全和城市规划领域，通过分析犯罪事件的地理位置信息，K-means可以用来识别犯罪热点区域，帮助制定针对性的预防措施和资源分配策略。：市场营销中，利用消费者的购买行为、偏好等数据，K-means能将客户分为不同的群体，帮助企业实施精细化营销策略，提升用户体验和销售效率。：在自然语言处理中，K-means能对文档集合或词汇进行聚类，用于主题建模、文档分类和情感分析，帮助理解大规模文本数据的结构

 花生糖@
2024-05-28 00:15:00

 2172

 3

#kmeans
【深入】k-means和FCM的差别

非复制粘贴

 随缘好不好
2022-07-22 23:58:23

 2783

 6

#kmeans #聚类 #机器学习
【数据分析项目实战】手把手教学（Pyecharts+PCA+KMeans）经典数据集：客户性格分析（customer personality analysis）

分享kaggle上面经典数据集customer personality analysis实战情况。

*SNeutroNS*
2024-05-21 12:37:27

 1485

 33

#数据分析 #kmeans #数据挖掘 +2
简介：KMeans聚类算法

KMeans聚类与分类、序列标注等任务不同，聚类是在事先并不知道任何样本标签的情况下，通过数据之间的内在关系把样本划分为若干类别，使得同类别样本之间的相似度高，不同类别之间的样本相似度低（即增大类内聚，减少类间距）。

manong~
2024-03-20 10:05:03

 1751

 11

#算法 #kmeans #聚类
利用K-means聚类进行用户分群

游戏行业正经历前所未有的增长，玩家参与和游戏内货币化成为开发者和游戏发行商的关键关注点。K-means聚类是一种流行的机器学习算法，为基于相似特征对玩家进行细分提供了强大的工具，从而实现更个性化的游戏体验和优化的收入生成。通过利用数据驱动的策略，游戏公司可以提升玩家体验，推动有针对性的营销活动，并优化货币化策略。有效的用户分群可以显著增加游戏内消费，因为个性化的优惠和内容更能引起玩家的共鸣。确保数

 游戏数据科学
2024-11-03 11:13:33

 1730

 25

#kmeans #聚类
深入探讨 KMeans 算法的局部最优问题：如何提高聚类质量

1.背景介绍K-Means 算法是一种常用的无监督学习方法，主要用于聚类分析。它的核心思想是将数据集划分为 K 个子集，使得每个子集的内部数据点之间距离较小，而与其他子集的数据点距离较大。K-Means 算法的主要优点是简单易行、快速收敛，但其主要缺点是易受初始中心点选择的影响，可能陷入局部最优解，导致聚类质量不佳。在本文中，我们将深入探讨 K-Means 算法的局部最优问题，并提供一些方...

禅与计算机程序设计艺术
2024-01-08 01:29:57

 1845

 12

#算法 #kmeans #聚类 +2
机器学习实验2---Kmeans云层聚类

对于云层数据集，由于数据集图像较为干净,故使用二分类即可较好的将云层分离出来

 谛听misa
2022-06-12 09:46:32

 975

 2

#聚类 #机器学习 #kmeans
解决KMeans算法的局部最优解问题：如何提高搜索效率

1.背景介绍K-Means 算法是一种常用的无监督学习算法，主要用于聚类分析。它的核心思想是将数据集划分为 K 个群集，使得每个群集的内部数据相似度高，而与其他群集的数据相似度低。K-Means 算法的主要步骤包括：随机选择 K 个中心点，计算每个数据点与中心点的距离，将数据点分配给距离最近的中心点，更新中心点的位置，重复上述过程直到中心点位置不再变化或满足某个停止条件。然而，K-Mean...

禅与计算机程序设计艺术
2023-12-31 01:47:16

 1796

 20

#算法 #kmeans #人工智能 +2
KMeans与其他聚类算法比较：了解竞争对手

1.背景介绍K-Means 是一种常用的无监督学习算法，主要用于聚类分析。它的核心思想是将数据集划分为 K 个群集，使得每个群集内的数据点与其他群集最大化的距离。这种方法的优点是简单易行，但也存在一些局限性，例如需要事先确定聚类数量 K，以及可能陷入局部最优解等问题。在本文中，我们将对比 K-Means 算法与其他常见的聚类算法，包括 DBSCAN、Agglomerative Cluste...

禅与计算机程序设计艺术
2024-01-11 01:10:09

 1779

 20

#算法 #kmeans #聚类 +2
K-means聚类舌苔舌质分离及最终分割

K-means聚类舌苔舌质分离及最终分割

 进阶媛小吴
2022-12-24 10:32:59

 694

 2

#聚类 #kmeans #python
k-means和GMM的区别与联系

● k-means计算样本到各个簇中心的欧氏距离并选择最小距离来划分样本应该属于哪个簇类，而GMM给出的是样本由某个高斯分布生成而来的概率，比如有80%的概率是由A分布生成的，有20%的概率是B分布生成的。高斯混合模型（GMM）聚类的思想和 k-means 其实有点相似，都是通过迭代的方式将样本分配到某个簇类中，然后更新簇类的信息，不同的是GMM是基于概率模型来实现的，而 k-means 是非概率

 qq_1041357701
2023-11-17 21:53:41

 1594

 1

#kmeans #机器学习 #人工智能
python简单实现KMeans

import numpy as npimport matplotlib.pyplot as pltfrom sklearn.cluster import KMeansx=[[98,90],[87,95],[45,54],[67,77],[23,12],[34,45],[78,77],[90,89],[67,69],[3...

smileLLZ
2019-05-27 21:17:52

 6137

 3

#python #kmeans #sklearn
机器学习实验——K-Means聚类

机器学习基础；周志华；K-Means聚类

 junqiduhang
2023-07-10 20:24:14

 1026

#机器学习 #kmeans #聚类
OpenCV + CPP 系列（卌八）聚类与图像分割（ KMeans）

文章目录KMeans- 聚类算法简介KMeans- 聚类算法简介无监督学习方法分类问题，输入分类数目，初始化中心位置硬分类方法，以距离度量迭代分类为聚类常见的聚类方法有：划分式聚类方法(Partition-based Methods)、基于密度的聚类方法(Density-based methods DBSCAN)、层次化聚类方法(Hierarchical Methods) 等。关于更多理论请查看：

SongpingWang
2021-09-08 08:54:08

 2247

#opencv #kmeans
网页聚类实现

给出一组网页地址，然后对指定的网页按内容聚成3类。

快睡吧头发撑不住了
2023-06-20 21:19:36

 559

 2

#python #kmeans #聚类
K-means 聚类算法的简单理解

K-means算法的一些浅薄理解

 weixin_54052852
2024-11-05 22:25:18

 1805

 29

#算法 #kmeans #聚类 +1
实验4 K-Means 实操项目：不同含量果汁饮料的聚类

实验4 K-Means 实操项目：不同含量果汁饮料的聚类

 天亮^说晚安-
2022-11-11 08:33:06

 1409

 3

#聚类 #kmeans
Kmeans聚类算法及其matlab源码

本文介绍了K-means聚类算法，并注释了部分matlab实现的源码。

xholes
2016-10-24 14:57:34

 5.6w

 35

#kmeans #聚类
KMeans 与数据清洗：如何处理噪声和缺失值

1.背景介绍K-Means 与数据清洗：如何处理噪声和缺失值数据清洗是数据预处理的一个重要环节，它可以有效地提高模型的性能。在实际应用中，数据集中经常会出现噪声和缺失值，这些问题需要我们进行处理。本文将介绍 K-Means 算法及其与数据清洗的联系，并详细讲解如何处理噪声和缺失值。1.1 K-Means 算法简介K-Means 算法是一种无监督学习算法，用于聚类分析。它的核心思想是...

禅与计算机程序设计艺术
2024-01-16 01:50:41

 2160

 24

#kmeans #机器学习 #数据挖掘 +2
python Kmeans聚类 - CPU or GPU?

k均值聚类算法[^1]，一种经典的聚类算法，被广泛应用于机器学习领域。本文主要对比了python库中CPU和GPU的Kmeans效率：`cpu: from sklearn.cluster import KMeans``gpu: from kmeans_pytorch import kmeans`

das白
2022-08-17 22:23:56

 3821

 2

#python #kmeans #聚类
算法流程图组件的基本含义及画法举例(Kmeans)

介绍流程图画法

 一只程序猿林
2023-01-19 23:43:30

 4818

 1

#流程图 #kmeans #算法
聚类算法介绍（欧氏距离和余弦距离）

1.聚类就是将数据集划分为若干相似对象组成的多个组或簇的过程，使得同一个组或簇相似度最大化，不同簇间相似度最小化。（有时候聚类可以评价相似性）2.聚类的本质是分组，属于无监督机器学习。3.在聚类分析中，样本之间相似性通常采用样本之间的距离来表示，距离越大表示两个样本越不相似，差异性越大。距离越小，样本差异性越大，距离为零表示两个样本完全一样，无差异。4.连续型数值计量方法最常用的是欧氏距离（l2范

 海滩上的那乌克丽丽
2022-03-10 19:02:02

 1w

 1

#聚类 #kmeans

加载更多

回到
顶部

提供社区服务与技术支持

提供社区服务与技术支持

©1999-2023北京创新乐知网络技术有限公司京ICP备19004658号