1) Density hierarchical clustering
密度与层次聚类
2) hierarchical clustering
层次聚类
1.
Small targets detection based on hierarchical clustering;
基于层次聚类的弱小目标检测算法
2.
A new hierarchical clustering algorithm based on tree edit distance;
基于树编辑距离的层次聚类算法
3.
Combined unsupervised image segmentation using watershed and hierarchical clustering with MRF;
分水岭算法和基于MRF的层次聚类相结合的混合无监督图像分割算法
3) hierarchical cluster
层次聚类
1.
Based on the multi-dimensional approximate periodic pattern, we present an algorithm to mine multi-dimensional temporal approximate periodicity with the algorithm of hierarchical cluster, then applies to the stock data.
在多维时态近似周期模型的基础上,提出了一种基于时态数据库技术和层次聚类技术的多维时态近似周期挖掘算法,并应用于股票数据。
2.
An equivalence relation ≡HCov is proposed based on the Data Cube s semantics and the dimension s hierarchy of its pattern, and then on the basis of the equivalence relation, proceeds the data cube to hierarchical cluster.
在DataCube语义特性及模式中维的层次性基础上提出了多维数据之间的等价关系≡HCov,对DataCube进行层次聚类·该方法的优点在于用等价类的方法保存了所有聚集记录,同时定义了等价类之间的关系,以保存聚集记录之间的层次信息·理论分析和实验证明,该方法不但节省了存储空间,而且利用聚类信息及层次信息,可高效的进行各种OLAP查询,以及支持多维数据上的上钻下钻、旋转等Cube语义操作·同时,为OLAP查询导航、OLAP查询行为分析的实现提供了可能
3.
The result, normally overpredicted by traditional Environment Envelope Model, is improved by using hierarchical cluster arith- metic that can reduce the influence caused by outliers.
在这一系统中,通过层次聚类算法对物种已知分布点数据进行处理,减少了异常值对预测结果的影响,从而解决了环境包络模型预测结果过于乐观的问题,在物种已知分布数据较少时也能取得较好的结果。
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