1) confidence interval clustering
置信区间聚类分析
1.
The threshold for identifying abnormal items in the approach is dynamically generated by an algorithm KIC(kernel estimation and confidence interval clustering),wherea.
对新到数据是否为异常加以判断评价的标准不是预先分配的静止阈值,而是由算法(KIC:核估计和置信区间聚类分析)计算得到的动态阈值,从而在仅占用很小内存的前提下提高了算法的准确性。
3) Information clustering analysis
信息聚类分析
4) Temporal clustering analysis
时间聚类分析
5) spatial clustering analysis
空间聚类分析
1.
On this basis,the spatial clustering analysis was done to identify and delimitate the zoning boundary of ecosystem services in the Poyang Lake area and the ecosystem services of each district was spatially identified.
在此基础上,通过空间聚类分析,形成了鄱阳湖湖区生态系统服务功能分区,实现了各分区单元上生态系统服务功能的空间辨识。
2.
Model of spatial clustering analysis algorithm is offered,and parameters models are built,such as spatial relational matrix,traffic correlation.
分析了空间聚类分析算法的模型,对空间关联矩阵、交通关联度等参数进行建模,设计了交通小区划分的流程与算法,最后结合上海市浮动车数据与实际交通网络,实现了路网交通小区的自动划分并得出了结论。
补充资料：单侧置信区间
分子式：
CAS号：
性质：只设置在被估参数一侧，左侧或右侧的置信区间。
CAS号：
性质：只设置在被估参数一侧，左侧或右侧的置信区间。
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