发表服务
kmeans类型变量加权聚类算法的研究与实现---优秀毕业论文参考文献可复制黏贴加权,聚类,研究,变量的,聚类的,聚类算法,研究和,聚类算法的,和加权,谱聚类算法
聚类算法（algorithm），这篇文章也将从这两个方面来展开介绍聚类分析1.距离的计算（distancemeasurement）计算数据之间距离的方法一般是根据数据的类型来选择的，数据的类型大概有数值变量，二元变量，类别变量，有序变量。1.1数值变量（numerical）
多元分析（multivariateanalyses）是多变量的统计分析方法，是数理统计中应用广泛的一个重要分支，其内容庞杂，视角独特，方法多样，深受工程技术人员的青睐和广泛使用，并在使用中不断完善和创新。由于变量的相关性，不能简单地把每个变量的结果进行汇总，这是多变量统计分析的基本出发…
分类变量数据聚类内部评价及算法研究.杨明瀚.【摘要】：本文针对分类变量数据的聚类问题,从聚类结果的有效性评价入手展开研究工作,主要研究成果包括:(1)针对现有分类变量数据聚类有效性评价指标的适用性问题,分析了常用指标对类内紧密度和类间分离度...
匪首都1本育学院学报鬻J。哪alcapitalun‘Vers时ofPhyslcalEducal‘。n蛐d在SPSS中基于相关系数矩阵变量的聚类分析ClusterAnaIysiso“heC帅’eIationCoemcientMatrixBasedVariablesZHUHongbing，XIKaiqiang，LIUJiantong摘要：在体育文献中，由于刊登原始数据需占用大量的篇幅，因此，很难在体育文献中见到多变量的原...
基于高斯混合模型聚类的变量选择及应用.陈玉雯.【摘要】：在高维数据的聚类分析中,由于数据维数的增加,使得传统的方法在高维数据中无法进行聚类的有效应用,因而,处理高维数据的首要问题是寻找合适的方法以降低数据的维数.本文结合变量选择的降维思想...
聚类分析中的距离与变量选择.（首都经济贸易大学经济学院，北京要]实际操作中，在%型聚类之前先进行&型聚类，对使用各种距离进行比较的结果，是选用方差小的指标效果更好，或者说使用马氏距离，那么稳定的指标将在%聚类中计算距离的作用应该大一些...
时间序列数据的挖掘是一个重要且成熟的研究主题,解决了很多现实问题。多变量时间序列（MTS）在众多领域应用广泛,如何对MTS准确高效地进行聚类已经成为一个热门的研究课题。相比较于单变量时间序列（UTS）,因为高维度以及各变量之间复杂的依赖关系,并且适用于UTS的传统
kmeans类型变量加权聚类算法的研究与实现---优秀毕业论文参考文献可复制黏贴加权,聚类,研究,变量的,聚类的,聚类算法,研究和,聚类算法的,和加权,谱聚类算法
聚类算法（algorithm），这篇文章也将从这两个方面来展开介绍聚类分析1.距离的计算（distancemeasurement）计算数据之间距离的方法一般是根据数据的类型来选择的，数据的类型大概有数值变量，二元变量，类别变量，有序变量。1.1数值变量（numerical）
多元分析（multivariateanalyses）是多变量的统计分析方法，是数理统计中应用广泛的一个重要分支，其内容庞杂，视角独特，方法多样，深受工程技术人员的青睐和广泛使用，并在使用中不断完善和创新。由于变量的相关性，不能简单地把每个变量的结果进行汇总，这是多变量统计分析的基本出发…
分类变量数据聚类内部评价及算法研究.杨明瀚.【摘要】：本文针对分类变量数据的聚类问题,从聚类结果的有效性评价入手展开研究工作,主要研究成果包括:(1)针对现有分类变量数据聚类有效性评价指标的适用性问题,分析了常用指标对类内紧密度和类间分离度...
匪首都1本育学院学报鬻J。哪alcapitalun‘Vers时ofPhyslcalEducal‘。n蛐d在SPSS中基于相关系数矩阵变量的聚类分析ClusterAnaIysiso“heC帅’eIationCoemcientMatrixBasedVariablesZHUHongbing，XIKaiqiang，LIUJiantong摘要：在体育文献中，由于刊登原始数据需占用大量的篇幅，因此，很难在体育文献中见到多变量的原...
基于高斯混合模型聚类的变量选择及应用.陈玉雯.【摘要】：在高维数据的聚类分析中,由于数据维数的增加,使得传统的方法在高维数据中无法进行聚类的有效应用,因而,处理高维数据的首要问题是寻找合适的方法以降低数据的维数.本文结合变量选择的降维思想...
聚类分析中的距离与变量选择.（首都经济贸易大学经济学院，北京要]实际操作中，在%型聚类之前先进行&型聚类，对使用各种距离进行比较的结果，是选用方差小的指标效果更好，或者说使用马氏距离，那么稳定的指标将在%聚类中计算距离的作用应该大一些...
时间序列数据的挖掘是一个重要且成熟的研究主题,解决了很多现实问题。多变量时间序列（MTS）在众多领域应用广泛,如何对MTS准确高效地进行聚类已经成为一个热门的研究课题。相比较于单变量时间序列（UTS）,因为高维度以及各变量之间复杂的依赖关系,并且适用于UTS的传统
发表服务