1) density clustering
密度聚类法
1.
According to modeling problem for complex systems only based on input-output data,the paper studies density clustering theory,and puts forward a new theory and a method to find inner fuzzy rules about data,using density clustering knowledge of pattern recognition.
针对仅依赖于输入输出样本数据的复杂系统建模问题,借鉴模式识别聚类分析的理论思想,提出了基于密度聚类提取样本数据模糊规则的理论和方法,通过密度聚类法提取样本数据输入输出变量间的内在规则,并根据密度聚类提取规则的特点,建立了基于密度聚类的模糊逻辑推理方法,确立了一种基于密度聚类的模糊神经网络(DFNN)模型结构。
2) density-based clustering algorithm
密度聚类算法
1.
In this paper,a density-based clustering algorithm for using optimiazable K-dissimilarity selection is proposed to reduce the cost of I/O and memory usage via integrate the representative subset selection with DBSCAN algorithm.
该文提出一种利用最优K相异性算法(OptiSim)的密度聚类算法,通过代表性子集选择技术与DBSCAN算法的结合,可显著降低I/O耗费和内存需求,使之能够有效地处理大规模空间数据库,并提出一种扩展的OptiSim代表性子集选择方法(EOptiSim),它在处理组合数据库方面能弥补基本的OptiSim方法的不足。
3) Varied Density Based Clustering Algorithm(VDBSCAN)
变密度聚类算法
4) cluster density
聚类密度
1.
One of the drawbacks of the SOFM is that the user must select the map size in advance,especially the time-consuming search for the best matching unit in large maps,A new Growing Tree-Structured Self-Organizing Maps(GTS-SOFM) is proposed and the specific algorithm to implement clustering is given,by using cluster density to Measure Cluster Quality.
针对传统Kohonen自组织特征映射(SOFM)神经网络模型结构需要预选指定的限制,特别在大的映射网络中寻找最佳匹配结点是很耗时的问题,我们采用一种新的动态增长树型自组织特征神经网络(GTS-SOFM),给出了实现聚类的具体算法,并且使用聚类密度来衡量聚类效果。
5) density clustering
密度聚类
1.
DCMIS:Density Clustering-based Application to Medical Image Segmentation;
基于密度聚类的医学图像分割DCMIS
2.
To solve the problem that support vector machine(SVM) can only classify the small samples set,a new algorithm which applied SVM to density clustering is proposed.
为了解决支持向量机的分类仅应用于较小样本集的问题,提出了一种密度聚类与支持向量机相结合的分类算法。
3.
Algorithms based on density clustering,which has the better effect to the spatial database,is one of the most important techniques in clustering analysis.
提出了一种带有矢量性的密度聚类算法,具有约束聚类方向,减少候选点的特点。
6) density-based clustering
密度聚类
1.
AADDM filters the noise /attack data in source dataset and generates a pure training dataset by a top-down density-based clustering method; builds a lightweight and efficient i
提出了一种基于自顶向下密度聚类的训练数据集生成算法。
补充资料：线型低密度聚乙烯/低密度聚乙烯共混物
分子式：
CAS号：
性质：系由线性低密度聚乙烯与低密度聚乙烯组成的共混物，20％的低密度聚乙烯可显著改善线性低密度的加工性能，提高薄膜韧性和透光性，当低密度聚乙烯达50％时，可提高薄膜撕裂强度和断裂伸长率。可通过粒料直接掺混制备。主要用于吹塑农膜、包装膜及挤出包覆电缆。
CAS号：
性质：系由线性低密度聚乙烯与低密度聚乙烯组成的共混物，20％的低密度聚乙烯可显著改善线性低密度的加工性能，提高薄膜韧性和透光性，当低密度聚乙烯达50％时，可提高薄膜撕裂强度和断裂伸长率。可通过粒料直接掺混制备。主要用于吹塑农膜、包装膜及挤出包覆电缆。
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