1) hierarchical cluster analysis
层次聚类法
2) hierarchical clustering algorithm
层次聚类算法
1.
The agglomerative hierarchical clustering algorithm is introduced in this paper based on the standard algorithm.
介绍了层次聚类算法的基本思想,在原算法的基础上,通过对类间距离进行预排序从而避免合并类时重新计算类间距离,该算法降低了计算的复杂度。
4) 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
5) 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。
6) hierarchical agglomerative clustering algorithm
层次凝聚聚类算法
1.
PNC2 clustering method is a supervised hierarchical agglomerative clustering algorithm.
PNC2是有指导的层次凝聚聚类算法,双重的合并测试使获得的初始模型达到局部最优解,具有很强的可解释性;遗传算法通过自适应优化来提高模型的精确度。
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