اطلاعیه : همه پروژه‌های غیرتجاری ثبت‌شده برای استفاده از Earth Engine قبل از ۱۵ آوریل ۲۰۲۵ باید واجد شرایط بودن غیرتجاری برای حفظ دسترسی را تأیید کنند . اگر تا 26 سپتامبر 2025 تأیید نکرده باشید، ممکن است دسترسی شما در حالت تعلیق باشد.
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
خوشه بندی داده ها با استفاده از الگوریتم k-means. می توانید از فاصله اقلیدسی (پیش فرض) یا فاصله منهتن استفاده کنید. اگر از فاصله منهتن استفاده شود، مرکزها به‌عنوان میانه مؤلفه‌ها به جای میانگین محاسبه می‌شوند. برای اطلاعات بیشتر رجوع کنید به:
D. Arthur, S. Vassilvitskii: k-means++: مزایای کاشت دقیق. در: مجموعه مقالات هجدهمین سمپوزیوم سالانه ACM-SIAM در مورد الگوریتم های گسسته، 1027-1035، 2007.
روش مقداردهی اولیه برای استفاده 0 = تصادفی، 1 = k-means++، 2 = سایه بان، 3 = دورترین اول.
canopies
بولی، پیش فرض: نادرست
از سایبان ها برای کاهش تعداد محاسبات فاصله استفاده کنید.
maxCandidates
عدد صحیح، پیش فرض: 100
حداکثر تعداد سایبان های کاندید برای حفظ در حافظه در هر زمان هنگام استفاده از خوشه بندی سایبان. فاصله T2 به علاوه، ویژگی های داده، تعیین می کند که چه تعداد سایبان نامزد قبل از انجام هرس دوره ای و نهایی تشکیل می شود، که ممکن است منجر به مصرف بیش از حد حافظه شود. این تنظیم از مصرف حافظه توسط تعداد زیادی سایبان نامزد جلوگیری می کند.
periodicPruning
عدد صحیح، پیش فرض: 10000
هر چند وقت یکبار سایبان های با چگالی کم را هنگام استفاده از خوشه بندی سایبان هرس کنیم.
minDensity
عدد صحیح، پیش فرض: 2
حداقل تراکم تاج پوشش، هنگام استفاده از خوشه بندی تاج، که در زیر آن یک سایبان در طول هرس دوره ای هرس می شود.
t1
شناور، پیش فرض: -1.5
فاصله T1 برای استفاده هنگام استفاده از خوشه بندی سایبان. مقدار < 0 به عنوان ضریب مثبت برای T2 در نظر گرفته می شود.
t2
شناور، پیش فرض: -1
فاصله T2 برای استفاده هنگام استفاده از خوشه بندی سایبان. مقادیر < 0 باعث ایجاد یک اکتشافی بر اساس ویژگی std می شود. انحراف مورد استفاده
distanceFunction
رشته، پیش‌فرض: «اقلیدسی»
تابع فاصله برای استفاده گزینه ها عبارتند از: اقلیدسی و منهتن.
maxIterations
عدد صحیح، پیش فرض: null
حداکثر تعداد تکرار
preserveOrder
بولی، پیش فرض: نادرست
حفظ ترتیب نمونه ها
fast
بولی، پیش فرض: نادرست
محاسبات مسافت سریعتر را با استفاده از مقادیر برش فعال می کند. محاسبه/خروجی مربعات خطاها/فاصله ها را غیرفعال می کند.
تاریخ آخرین بهروزرسانی 2025-07-24 بهوقت ساعت هماهنگ جهانی.
[[["درک آسان","easyToUnderstand","thumb-up"],["مشکلم را برطرف کرد","solvedMyProblem","thumb-up"],["غیره","otherUp","thumb-up"]],[["اطلاعاتی که نیاز دارم وجود ندارد","missingTheInformationINeed","thumb-down"],["بیشازحد پیچیده/ مراحل بسیار زیاد","tooComplicatedTooManySteps","thumb-down"],["قدیمی","outOfDate","thumb-down"],["مشکل ترجمه","translationIssue","thumb-down"],["مشکل کد / نمونهها","samplesCodeIssue","thumb-down"],["غیره","otherDown","thumb-down"]],["تاریخ آخرین بهروزرسانی 2025-07-24 بهوقت ساعت هماهنگ جهانی."],[],["The k-means algorithm clusters data using either Euclidean or Manhattan distance. Manhattan distance uses component-wise median for centroids, while Euclidean uses the mean. Initialization methods include random, k-means++, canopy, and farthest first. Canopies can be used to optimize distance calculations. Parameters control the number of clusters, pruning frequency, density thresholds, and distance settings. Additional options include limiting iterations, preserving data order, and using a fast distance calculation mode.\n"]]
