k跳演算法

① k means演算法如何具體實現呢

1.基本Kmeans演算法[1]

[cpp] view plain
選擇K個點作為初始質心
repeat
將每個點指派到最近的質心，形成K個簇
重新計算每個簇的質心
until 簇不發生變化或達到最大迭代次數

時間復雜度：O(tKmn)，其中，t為迭代次數，K為簇的數目，m為記錄數，n為維數

空間復雜度：O((m+K)n)，其中，K為簇的數目，m為記錄數，n為維數

② k-means演算法什麼時候被提出

K-MEANS演算法是輸入聚類個數k，以及包含 n個數據對象的資料庫，輸出滿足方差最小標準的k個聚類。

③ K均值演算法和塊匹配演算法有什麼區別

聚類是一個將數據集中在某些方面相似的數據成員進行分類組織的過程，聚類就是一種發現這種內在結構的技術，聚類技術經常被稱為無監督學習。
k均值聚類是最著名的劃分聚類演算法，由於簡潔和效率使得他成為所有聚類演算法中最廣泛使用的。給定一個數據點集合和需要的聚類數目k，k由用戶指定，k均值演算法根據某個距離函數反復把數據分入k個聚類中。

④ K平均演算法的介紹

k-means algorithm演算法是一個聚類演算法，把n的對象根據他們的屬性分為k個分割，k < n。它與處理混合
正態分布的最大期望演算法很相似，因為他們都試圖找到數據中自然聚類的中心。它假設對象屬性來自於空間向量，並且目標是使各個群組內部的均方誤差總和最小。假設有k個群組Si, i=1,2,...,k。μi是群組Si內所有元素xj的重心，或叫中心點。

⑤ 直線k中值演算法

不好意思忘了輸出到文件，不知道你指的運行不了是不是這個意思，還有我沒有自己找數據測試過，實在不能保證結果的正確性，下面是輸出到文件的程序
#include <stdio.h>
struct res
{
int x,w,c;
};
FILE* fp;
int n,k;
int ans=2100000000;
struct res r[10];
void dfs(int depth,int prev,int cur)
{
int i,j;
if(depth==k)return;
for(i=prev+1;i<n;i++)
{
int temp=0,tempcur=cur;
tempcur+=r[i].c;
for(j=prev+1;j<i;j++)
{
if(depth==0||(depth!=0&&r[i].x+r[prev].x<r[j].x*2))tempcur+=(r[i].x-r[j].x)*r[j].w;
else
tempcur+=(r[j].x-r[prev].x)*r[j].w;
}
for(j=i+1;j<n;j++)
{
temp+=(r[j].x-r[i].x)*r[j].w;
}
if(tempcur+temp<ans)ans=tempcur+temp;
dfs(depth+1,i,tempcur);
}
}
int main()
{
int i;
fp=fopen("kml0.in","r");
fscanf(fp,"%d%d",&n,&k);
for(i=0;i<n;i++)fscanf(fp,"%d%d%d",&r[i].x,&r[i].w,&r[i].c);
fclose(fp);
dfs(0,-1,0);
fp=fopen("output0.out","w");
fprintf(fp,"%d",ans);
fclose(fp);
return(0);
}

⑥ k的計算方法，詳細

⑦ k最短路徑演算法能作為論文中的一個演算法嘛

現在，我們准備介紹計算機科學史上偉大的成就之一：Dijkstra最短路徑演算法[1]。這個演算法適用於邊的長度均不為負數的有向圖，它計算從一個起始頂點到其他所有頂點的最短路徑的長度。在正式定義這個問題（3.1節）之後，我們講解這個演算法（3.2節）以及它的正確性證明（3.3節），然後介紹一個簡單直接的實現（3.4節）。在第4章中，我們將看到這種演算法的一種令人驚嘆的快速實現，它充分利用了堆這種數據結構。

3.1單源最短路徑問題
3.1.1問題定義
Dijkstra演算法解決了單源最短路徑問題。[2]

問題：單源最短路徑

輸入：有向圖G=(V, E)，起始頂點s∈V，並且每條邊e∈E的長度e均為非負值。

輸出：每個頂點v∈V的dist(s,v)。

注意，dist(s,v)這種記法表示從s到v的最短路徑的長度（如果不存在從s到v的路徑，dist(s,v)就是+∞）。所謂路徑的長度，就是組成這條路徑的各條邊的長度之和。例如，在一個每條邊的長度均為1的圖中，路徑的長度就是它所包含的邊的數量。從頂點v到頂點w的最短路徑就是所有從v到w的路徑中長度最短的。

例如，如果一個圖表示道路網，每條邊的長度表示從一端到另一端的預期行車時間，那麼單源最短路徑問題就成為計算從一個起始頂點到所有可能的目的地的行車時間的問題。

小測驗3.1

考慮單源最短路徑問題的下面這個輸入，起始頂點為s，每個邊都有一個標簽標識了它的長度：

從s出發到s、v、w和t的最短距離分別是多少？

（a）0，1，2，3

（b）0，1，3，6

（c）0，1，4，6

（d）0，1，4，7

（正確答案和詳細解釋參見3.1.4節。）

3.1.2一些前提條件
方便起見，我們假設本章中的輸入圖是有向圖。經過一些微小的戲劇性修改之後，Dijkstra演算法同樣適用於無向圖（可以進行驗證）。

另一個前提條件比較重要。問題陳述已經清楚地表明：我們假設每條邊的長度是非負的。在許多應用中（例如計算行車路線），邊的長度天然就是非負的（除非涉及時光機器），完全不需要擔心這個問題。但是，我們要記住，圖的路徑也可以表示抽象的決策序列。例如，也許我們希望計算涉及購買和銷售的金融交易序列的利潤。這個問題相當於在一個邊的長度可能為正也可能為負的圖中尋找最短路徑。在邊的長度可能為負的應用中，我們不應該使用Dijkstra演算法，具體原因可以參考3.3.1節。[3]

3.1.3為什麼不使用寬度優先的搜索
如2.2節所述，寬度優先的搜索的一個「殺手」級應用就是計算從一個起始頂點出發的最短路徑。我們為什麼需要另一種最短路徑演算法呢？

記住，寬度優先的搜索計算的是從起始頂點到每個其他頂點的邊數最少的路徑，這是單源最短路徑問題中每條邊的長度均為1這種特殊情況。我們在小測驗3.1中看到，對於通用的非負長度邊，最短路徑並不一定是邊數最少的路徑。最短路徑的許多應用，例如計算行車路線或金融交易序列，不可避免地涉及不同長度的邊。

但是，讀者可能會覺得，通用的最短路徑問題與這種特殊情況真的存在這么大的區別嗎？如圖3.1所示，我們不能把一條更長的邊看成3條長度為1的邊組成的路徑嗎？

圖3.1路徑

事實上，「一條長度為正整數

的邊」和「一條由

條長度為1的邊所組成的路徑」之間並沒有本質的區別。在原則上，我們可以把每條邊展開為由多條長度為1的邊組成的路徑，然後應用寬度優先的搜索對圖進行展開來解決單源最短路徑問題。

這是把一個問題簡化為另一個問題的一個例子。在這個例子中，就是從邊的長度為正整數的單源最短路徑問題簡化為每條邊的長度均為1的特殊情況。

這種簡化所存在的主要問題是它擴大了圖的規模。如果所有邊的長度都是小整數，那麼這種擴張並不是嚴重的問題。但在實際應用中，情況並不一定如此。某條邊的長度很可能比原圖中頂點和邊的總數還要大很多！寬度優先的搜索在擴張後的圖中的運行效率是線性時間，但這種線性時間並不一定接近原圖長度的線性時間。

Dijkstra演算法可以看成是在擴張後的圖上執行寬度優先的搜索的一種靈活模擬，它只對原始輸入圖進行操作，其運行時間為近似線性。

關於簡化

如果一種能夠解決問題B的演算法可以方便地經過轉換解決問題A，那麼問題A就可以簡化為問題B。例如，計算數組的中位元素的問題可以簡化為對數組進行排序的問題。簡化是演算法及其限制的研究中非常重要的概念，具有極強的實用性。

我們總是應該尋求問題的簡化。當我們遇到一個似乎是新的問題時，總是要問自己：這個問題是不是一個我們已經知道怎樣解決的問題的偽裝版本呢？或者，我們是不是可以把這個問題的通用版本簡化為一種特殊情況呢？

3.1.4小測驗3.1的答案
正確答案：（b）。從s到本身的最短路徑的長度為0以及從s到v的最短路徑的長度為1不需要討論。頂點w稍微有趣一點。從s到w的其中一條路徑是有向邊(s,w)，它的長度是4。但是，通過更多的邊可以減少總長度：路徑s→v→w的長度只有1+2=3，它是最短的s−w路徑。類似地，從s到t的每條經過兩次跳躍的路徑的長度為7，而那條更迂迴的路徑的長度只有1+2+3=6。

3.2Dijkstra演算法
3.2.1偽碼
Dijkstra演算法的高層結構與第2章的圖搜索演算法相似。[4]它的主循環的每次迭代處理一個新的頂點。這個演算法的高級之處在於它採用了一種非常「聰明」的規則選擇接下來處理哪個頂點：就是尚未處理的頂點中看上去最靠近起始頂點的那一個。下面的優雅偽碼精確地描述了這個思路。

⑧ 跑步消耗卡路里的計算公式、指數K是怎麼計算的

跑步時的熱量消耗計算公式：

(1) 已知體重、時間和速度

跑步熱量（kcal）＝體重（kg）×運動時間（小時）×指數K

指數K＝30÷速度（分鍾/400米）

例如：某人體重60公斤，長跑1小時，速度是3分鍾/400米或8公里/小時，那麼他跑步過程中消耗的熱量＝60×1×30/3=600kcal(千卡)

此種計算含蓋了運動後由於基礎代謝率提高所消耗的一部分熱量，也就是運動後體溫升高所產生的一部分熱量。

拓展資料

已知體重、距離

跑步熱量（kcal）＝體重（kg）×距離（公里）×1.036

例如：體重60公斤的人，長跑8公里，那麼消耗的熱量＝60×8×1.036＝497.28 kcal(千卡)