2) structure clustering
结构聚类
1.
Through the research and analysis on current status of XML structure clustering,this paper puts forward a new method for XML documents structure similarity measure named DBTD,on this basis it proposes DBSCAN density-based method for clustering structure of XML documents.
通过对XML结构聚类现状进行研究分析,提出了一种新的XML文档结构相似度度量方法DBTD(Density-Based of the Tree Distance),并在此基础上提出以基于密度的DBSCAN方法对XML文档进行结构聚类。
3) cluster analysis
聚类分析
1.
Application of Cluster Analysis in the Judgment of the Aluminum Electrolyzer's Status;
聚类分析在铝电解槽况判断中的应用
2.
Water quality and cluster analysis of Huaihe River Basin in 2004;
2004年淮河流域水质状况和聚类分析
3.
Failure analysis of drill stem based on support vector machine and cluster analysis theory;
基于支持向量机和聚类分析理论的钻具失效分析方法
4) clustering analysis
聚类分析
1.
Fuzzy clustering analysis of body type in 2D non-contacted body measurement system;
二维非接触人体测量中体型的模糊聚类分析
2.
Study on ranking standard of enterprise occupational injury risk based on clustering analysis of SPSS;
基于SPSS聚类分析的企业职业伤害风险分级标准研究
3.
Study on eco-environment quality assessment based on factor and clustering analysis;
基于因子分析和聚类分析的生态环境质量评价
5) Hierarchical cluster analysis
聚类分析
1.
HPLC fingerprint of Radix et Rhizoma Gentianae and its hierarchical cluster analysis;
龙胆药材的高效液相指纹图谱及聚类分析
2.
HPLC fingerprint of Eclipta prostrata L.and its hierarchical cluster analysis;
墨旱莲药材的高效液相指纹图谱及聚类分析
3.
Hierarchical Cluster Analysis on HPLC Fingerprint of Folium Mori from Different Breeds;
不同品种桑叶高效液相指纹图谱的聚类分析
6) Clustering
[英]['klʌstə] [美]['klʌstɚ]
聚类分析
1.
Application of clustering in Dalian marine environment evaluation;
聚类分析功能在大连港水域环境质量评价中的应用
2.
An algorithm for clustering based on projected cluster;
一种基于映射簇的聚类分析算法
3.
Classification approach for shape grading of strawberry based on clustering;
基于多元聚类分析的草莓形状分类算法
补充资料：非系统聚类分析
分子式：
CAS号：
性质： 又称非谱系聚类分析。先将各样本粗略分为K个初始类，计算各类形心的坐标，再计算每个样本到类形心的距离，重新将样本聚集到最近距离的类中。再重新计算接受和失去了样本后的各类的形心，再对每个样本进行归类。循此进行，直到每个样本都归到了它与其类形心最靠近的类中，聚类过程停止，最后形成K类。
CAS号：
性质： 又称非谱系聚类分析。先将各样本粗略分为K个初始类，计算各类形心的坐标，再计算每个样本到类形心的距离，重新将样本聚集到最近距离的类中。再重新计算接受和失去了样本后的各类的形心，再对每个样本进行归类。循此进行，直到每个样本都归到了它与其类形心最靠近的类中，聚类过程停止，最后形成K类。
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