1) visual clustering analysis
可视化聚类分析
3) visualization analysis
可视化分析
1.
Application of the ocean environmental information database on the basis of GIS in ocean environmental information visualization analysis.;
基于GIS的海洋环境信息数据库在海洋环境信息可视化分析中的应用
2.
Based on this global model, a series of visualization analysis for 3D geologic information.
基于NURBS技术提出一种重建复杂三维地质体的建模方法 首先对数字地形模型进行简化处理以满足地质体重建的需要 ;然后结合地质原始资料和解译数据 ,拟合构造出更能反映地质规律的地质结构面 在此基础上 ,利用三维图形学技术重建复杂地质体 ,并根据实际需要对整体模型实现一系列的三维地质信息可视化分析 实际水电工程应用表明 ,文中方法可以满足复杂工程地质信息三维可视化研究的实际需
3.
Then by using K L Transformation,Linear Projection and Nonlinear Projection,we made a visualization analysis to the distribution of some typical samples of Chinese characters in their fe.
论文首先给出了所选用的汉字特征的定义 ,然后对一些具有代表性的汉字实例 ,从K L变换法、线性投影法和非线性投影法三个方面 ,对汉字在特征空间的分布问题进行了可视化分析 ,结果表明 ,可视化分析可以帮助人们了解汉字在特征空间的分布情况 ,对改进识别器的性能具有指导意义。
4) visual analysis
可视化分析
1.
3-D geological modeling and visual analysis of landslide mass;
滑坡体三维地质建模与可视化分析
2.
MathCAD used in the visual analysis of mechanism s movement;
MathCAD在机构运动可视化分析中的应用
3.
Interactive visual analysis system based on pen-interface
基于笔式界面的交互式可视化分析系统
5) visualized analysis
可视化分析
1.
GIS-based visualized analysis of scouring and siltation in North Channel of Changjiang Estuary;
基于GIS长江口北港河段冲淤变化的可视化分析
2.
It includes data conversion,data search and query,visualized analysis and spectral matching,etc.
地形信息光谱数据库以地形信息波谱数据的知识化、定量化和实用化为目标,是一个集地物光谱实测数据、环境参数、景观图片数据、影像数据、测绘知识等于一体的地形信息光谱知识库,具有数据转换、检索查询、可视化分析及光谱匹配等功能。
6) extension clustering analysis
可拓聚类分析
1.
basing on extension theory and clustering analysis method,this paper discusses module partition of product theoretically and combines roving machine to divide it into different modules,the extension clustering analysis method for module partition of product is offered.
论文以可拓学理论和聚类分析方法为基础,对产品模块划分进行了理论探讨,并结合粗纱机的产品模块划分实例,给出了用于产品模块划分的可拓聚类分析方法。
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