복합대입 연산자(약식 대입 연산자)

·       대입 연산자와 다른 연산자를 결합하여 만든 다양한 복합 대입 연산자를 제공합니다.

·       대입 연산자와 산술 연산자를 함께 사용하는 연산자로 반복되는 변수가 생략된 형태입니다.

·       대입 연산자와 같은 우선순위를 가지며, 대입 연산자와 마찬가지로 결합순서는 오른쪽에서 왼쪽입니다.

복합대입 연산자 의미

산술 연산자와 대입 연산자를 하나로 나타내는 기호

연산자(Operator)

·       연산자란 자료의 가공을 위해 정해진 방식에 따라 계산하고 결과를 얻기 위한 행위를 의미하는 기호들을 의미합니다.

·       각 연산자들은 연산을 하기 위해 인식하는 자료형들이 정해져 있습니다.

대입연산자, 복합대입 연산자

소스코드

1.  public class OperatorEx09 {
2.          
3.         public static void main(String[] args){
4.                  
5.                 System.out.println("=======대입 연산자=========");
6.                 int a = 100;
7.                 int b = 3;             
8.                 System.out.println("a : " + a);
9.                 System.out.println("b : " + b);
10.                  
11.                  
12.                 System.out.println("\n=======복합대입 연산자======");
13.                 a += b;
14.                 System.out.println("a +=b : " + a);
15.                 System.out.println("a : " + a);
16.                 System.out.println("b : " + b);
17.                  
18.                 a -= b;
19.                 System.out.println("a -=b : " + a);
20.                  
21.                 a *= b;
22.                 System.out.println("a *=b : " + a);
23.                  
24.                 a /= b;
25.                 System.out.println("a /=b : " + a);
26.                  
27.                 a %= b;
28.                 System.out.println("a %=b : " + a);
29.                 System.out.println("");
30.         }
31. }

출력결과

k-평균 군집화(k-means clustering)

·         ≒ k-평균 클러스터링

·         사전에 결정된 군집 수 K에 기초하여 전체 데이터를 상대적으로 유사한 K개의 군집으로 구분하는 방법입니다.

·         상호배반적인 K개의 군집을 형성합니다.

·         군집의 수 K를 사전에 결정해야 합니다.

·         모집단 또는 범주에 대한 사전 정보가 없을 때 주어진 관측값들 사이의 거리를 측정하고 유사성을 이용하여 분석합니다.

·         전체 데이터를 여러 개의 집단으로 그룹화함으로써 각 집단의 성격을 파악할 수 있고 데이터 전체의 구조를 이해하기 위한 방법입니다.

·         새로운 데이터와 기존 데이터 간의 유클리디안 거리가 최소가 되도록 클러스터링합니다. 기존 데이터를 기준점으로 하여 유클리디안 거리 측정 거리가 최소화되도록 k개의 군집들로 클러스터링하는 방식입니다.

·         데이터들을 k개의 클러스터로 군집하게 됩니다. 각 클러스터와 거리 차이의 분산을 최소화하도록 그룹화합니다.

·         각 클러스터의 중심값에서 중심과의 거리를 비교합니다.

·         각 클러스터 간의 거리 차이의 분산을 최소화합니다.

K-means 알고리즘은 데이터 집합에서 평균을 정의하고 계산할 수 있으면 사용할 수 있습니다.

https://en.wikipedia.org/wiki/K-means_clustering

대입연산자와 산술연산자

소스코드

1.  public class OperatorEx12 {
2.    
3.         public static void main(String[] args) {
4.                 //대입연산자
5.                 //오른쪽의 값을 왼쪽의 변수에 저장하게 됩니다.
6.                 int n1 = 7;     //변수 선언 및 초기화  
7.                 int n2 = 3;
8.                  
9.                 int result = n1 + n2;
10.                 System.out.println("덧셈 결과: "+result);
11.    
12.                 result = n1 - n2;
13.                 System.out.println("뺄셈 결과: " + result);
14.                  
15.                 System.out.println("곱셈 결과: " + n1*n2);
16.                 System.out.println("나눗셈 결과: " + n1/n2);
17.                 System.out.println("나머지 결과: " + n1%n2);
18.         }
19.    
20. }

출력결과