1) stepwise-optimal hierarchical clustering
逐步优化的层次聚类
2) POA-DPSA algorithm
逐步优化-逐次逼近算法
3) stepwise clustering
逐步聚类
1.
Stepwise clustering and fuzzy c—means algorithm clustering are applied to the partition of Pinus tabulaeformis forest areal in Shanxi,based on the result of principal component analysis.
文中应用逐步聚类和模糊ｃ—均值聚类于山西油松林分布区划分的比较研究，结果表明逐步聚类和模糊ｃ—均值聚类具有很高的相似性。
4) Gradual cluster analysis
逐步聚类
1.
Taking the method of gradual cluster analysis,the grading standard of 100 days old Altingia excelsa seedlings was studied,the height and basal diameter were proposed as the quality evaluation standard.
采用逐步聚类分析方法,对高阿丁枫苗龄为100天的苗木分级标准进行了研究,提出了以苗高和地径作为苗木分级的质量指标,通过计算分析得出了此苗龄下的高阿丁枫苗木分级标准:Ⅰ级苗,苗高≥13。
2.
was studied by using the methods of gradual cluster analysis.
采用逐步聚类分析方法,对铁力木容器苗苗木的分级标准进行了探讨。
3.
The standard of seedling grading of Pterocarpus indicus was studied by using the methods of gradual cluster analysis.
采用逐步聚类分析方法,对印度紫檀容器苗苗木的分级标准进行了探讨。
5) stepping optimization
逐步优化
1.
Accordingly,a stepping optimization method for stage-based phase design was presented,including grouping,phase overlapping,phase sequence adjusting.
文中提出了基于相位阶段的相位设计“分组、相位搭接、相序调整”逐步优化法,能保证相位设计结果接近最优,并以4路交叉为例说明了其可行性。
补充资料：逐步模糊聚类法
分子式：
CAS号：
性质：又称动态模糊聚类法。选定一批聚类中心，其指标能反映该类的特征，将样本向最近的聚类中心聚类。再根据分类结果确定新的聚类中心，其各项指标为该类中所有样本的相应指标的平均值。然后计算前后两聚类中心的差异，如差异大于某一阈值，说明分类不合理，需修改分类，即以新的聚类中心代替旧的聚类中心，直到前后两聚类中心的差异小于某一阈值，认为分类合理，从而终止分类过程。
CAS号：
性质：又称动态模糊聚类法。选定一批聚类中心，其指标能反映该类的特征，将样本向最近的聚类中心聚类。再根据分类结果确定新的聚类中心，其各项指标为该类中所有样本的相应指标的平均值。然后计算前后两聚类中心的差异，如差异大于某一阈值，说明分类不合理，需修改分类，即以新的聚类中心代替旧的聚类中心，直到前后两聚类中心的差异小于某一阈值，认为分类合理，从而终止分类过程。
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