1) R analysis
R-聚类
1.
Six populations of Stellaria media and S apetala and their 57 characters have been clustered by means of Q analysis and R analysis.
这一结果支持把繁缕和无瓣繁缕划分为两个物种 ;(2 )R -聚类中 ,发现了呈现完全正相关、极大正相关和极大负相关的性状 ,并根据R-聚类的结果 ,运用一条适当的结合线 ,把繁缕和无瓣繁缕的 5 7个性状划为 5个类群 ,并分析了各性状的分类学意义。
2) R-cluster analysis
R型聚类
1.
In this paper,a system of teaching quality evaluation is analyzed,and a sequence to the evaluated teachers is given according to the R-cluster analysis and Q-cluster analysis of multivariate statistical analysis.
应用多元统计分析中的R型聚类分析和Q型聚类分析对教师一次教学质量测评的评价指标体系和被评教师评价结果进行了分析和排序,为测评指标的修改和完善,为评价结果的科学分析提供依据,对提高教学管理水平和教学质量具有一定的指导意义。
2.
By R-cluster analysis 5 indexes used for classification are selected from 9 indexes reflecting business condition.
首先运用R型聚类分析,从反映经营状况的9项指标中,筛选出5项典型指标作为分类指标,然后根据分类指标,运用Q型聚类中的系统聚类分析法将机械工业45家上市公司分成5类,并进一步按盈利性、成长性和财务安全性对每一类公司的业绩状况进行总体归纳评价。
3) Q-cluster analyses
R-聚类分析
5) R cluster analysis
R型聚类分析
1.
A new R cluster analysis——Multiple R correlation cluster analysis;
一种新的R型聚类分析方法——复相关R型聚类分析法
2.
The relationship between the comprehensive performance indexes of light-weight worsted fabrics were studied and discovered with the R cluster analysis method in this paper.
针对薄型毛精纺成衣存在经向延伸性、经纬向弯曲度、剪切刚度过小等缺陷,采用FAST织物风格仪、电子强力拉伸仪、织物抗折皱弹性仪等仪器测定了成衣的性能指标,并用R型聚类分析的方法对薄型精纺毛织物综合服用性能指标之间的关系进行研究,找出各性能指标之间的关系。
3.
Based on the thorough mining geology research,R cluster analysis and R factor analysis are used to process surface tectonic primary halo data,and made comprehensive anomaly maps of four factor group score according to the result of R pattern factor analysis——factor sore values.
在深入研究矿区地质的基础上,对矿段内地表断裂构造原生晕数据进行了R型聚类分析和R型因子分析,根据R型因子分析的结果——因子得分值,圈定了四组因子得分的综合异常图。
6) R-variance clustering
R型变量聚类
1.
R-variance clustering was used to extracting body-shape factors in this paper.
提出了利用R型变量聚类帮助提取体型因子,通过采用主分量、相关系数阵的聚类方法在SAS软件中对原始的人体部位变量进行聚类,从而简化问题。
补充资料：动态模糊聚类法
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