1) largest set of not-covered core points
最大不相含核心点集
1.
In this paper, a novel clustering algorithm LSNCCP(a clustering algorithm based on the largest set of not-covered core points) is proposed.
聚类在数据挖掘、模式识别等许多领域有着重要的应用 提出了一种新颖的聚类算法 :一种基于最大不相含核心点集的聚类算法LSNCCP(aclusteringalgorithmbasedonthelargestsetofnot coveredcorepoints) 在密度定义的基础上 ,考察核心点之间的距离关系 ,定义相含、相交、相离这 3种核心点之间的关系 ,最后找出一个最大不相含核心点集 ,在此基础上进行聚类 ,并且找到解决丢失点问题的快速方法 该最大不相含核心点集只是全部核心点集合的一个很小的子集 ,因此有效地缩减了同类算法中搜寻核心点的时间 理论和实验上证明了这种算法的可行性和优越
2) LSNCCP
最大核心点集
3) the core node set
核心点集
1.
Finally,based on the core node set and the feature of "local optimal",we get the members of communities by using a breath-first algorithm.
该算法首先对复杂网络中度为1、2的结点和局部具有特殊聚集结构的结点进行预处理,让其和相应的点集构成子社区;接着,利用基于点的谱分解的次小、第三小、第四小的特征值对应的特征向量进行多社区的发现,得到隐含社区的核心点集;最后,以核心点集为中心,利用广度优先算法,依据点或子社区的局部最佳特征,确定相应的社区成员,从而构造出多个社区。
4) maximum disjoint dominating set
最大不相交优势集
5) the largest invariant set
最大不变集
补充资料：最大的最大收益值准则
分子式：
CAS号：
性质： 也称最大的最大收益值准则。不确定型决策准则之一。其方法是：首先找出各方案的最大收益值，然后选择这些最大收益值中最大者所在的方案作为最满意方案。这个准则采取乐观主义态度，把方案最大收益值(或最小损失值)的自然状态，作为必然出现的自然状态采看待，从而把不确定型决策问题化为确定性决策问题来处理。选择最大收益值中最大的方案(对损失值来说就是选择最小损失值中最小的方案)作为最满意的方案，即取“最有利中之最有利”方案，所以亦称为“乐观的决策准则”。
CAS号：
性质： 也称最大的最大收益值准则。不确定型决策准则之一。其方法是：首先找出各方案的最大收益值，然后选择这些最大收益值中最大者所在的方案作为最满意方案。这个准则采取乐观主义态度，把方案最大收益值(或最小损失值)的自然状态，作为必然出现的自然状态采看待，从而把不确定型决策问题化为确定性决策问题来处理。选择最大收益值中最大的方案(对损失值来说就是选择最小损失值中最小的方案)作为最满意的方案，即取“最有利中之最有利”方案，所以亦称为“乐观的决策准则”。
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