1) variable clustering
变量聚类
1.
Clustering methods on both variables and samples are used for analyzing the 11 proteins,and two possibilities for the variable clustering results are given from the TCM perspective to supervise the sample clustering in different ways.
对11种可能的标志蛋白质(群)数据进行分析,以统计聚类为主导思想,给出变量聚类和样本数据聚类综合应用的方法,并结合医学角度对变量聚类结果的分析,指导组内和组间两种样本聚类讨论;同时,通过假设检验,从统计理论上对所得分类予以支持。
2.
And then,combines variable clustering with fuzzy clustering to resolve more problems in data mining.
讨论了变量聚类方法中相同类型变量相似性测度方法,首次提出一种关于混合变量间相似性测度的方法。
2) cluster variables
聚类变量
1.
Using growth elements as cluster variables, analysis of economic growth in Hierachical Cluster Analysis is given in this paper.
以经济增长因素为聚类变量,按增长因素的不同组合进行聚类分析,探索要素和要素组合对经济增长不同作用。
4) R-variance clustering
R型变量聚类
1.
R-variance clustering was used to extracting body-shape factors in this paper.
提出了利用R型变量聚类帮助提取体型因子,通过采用主分量、相关系数阵的聚类方法在SAS软件中对原始的人体部位变量进行聚类,从而简化问题。
5) the multi-variables clustering analysis
多变量聚类分析
6) average clustering coefficient increment
聚类系数变化量
补充资料：变量与变量值
可变的数量标志和所有的统计指标称作变量。变量的数值表现称作
变量值，即标志值或指标值。变量与变量值不能误用。
变量值，即标志值或指标值。变量与变量值不能误用。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条