1) cohesive energy density
内聚能密度
1.
Results show that the cohesive energy density,crystallinity and glass transition are heightened with the viscosity and viscosity average molecular weight decreasing.
测定了热压光前后纸基芳纶纤维的内聚能密度、结晶度大小、粘度及粘均相对分子质量,研究了芳纶纸基纤维玻璃化温度与内聚能密度及结晶度的关系。
2) cohesive energy density parameter
内聚能密度参数
3) cohesive-energy density
聚能密度
4) packing density
聚集密度
1.
The effect of packing density of the layer on stress .
提出了薄膜聚集密度是应力的重要因素,低聚集密度产生张应力,而高聚集密度产生压应力。
2.
The formula for estimating the packing density of the films was put forward in terms of the measured spectral shift; and the packing density of MgF_2 layers in the filters was calcul.
计算了滤光片中MgF2膜层的聚集密度,离子辅助沉积使MgF2膜的聚集密度从常规条件下的0。
5) cluster density
聚类密度
1.
One of the drawbacks of the SOFM is that the user must select the map size in advance,especially the time-consuming search for the best matching unit in large maps,A new Growing Tree-Structured Self-Organizing Maps(GTS-SOFM) is proposed and the specific algorithm to implement clustering is given,by using cluster density to Measure Cluster Quality.
针对传统Kohonen自组织特征映射(SOFM)神经网络模型结构需要预选指定的限制,特别在大的映射网络中寻找最佳匹配结点是很耗时的问题,我们采用一种新的动态增长树型自组织特征神经网络(GTS-SOFM),给出了实现聚类的具体算法,并且使用聚类密度来衡量聚类效果。
6) density clustering
密度聚类
1.
DCMIS:Density Clustering-based Application to Medical Image Segmentation;
基于密度聚类的医学图像分割DCMIS
2.
To solve the problem that support vector machine(SVM) can only classify the small samples set,a new algorithm which applied SVM to density clustering is proposed.
为了解决支持向量机的分类仅应用于较小样本集的问题,提出了一种密度聚类与支持向量机相结合的分类算法。
3.
Algorithms based on density clustering,which has the better effect to the spatial database,is one of the most important techniques in clustering analysis.
提出了一种带有矢量性的密度聚类算法,具有约束聚类方向,减少候选点的特点。
补充资料：内聚能密度
分子式：
CAS号：
性质：两分子之间的结合能称为内聚能，单位体积的内聚能称为内聚能密度。CED=△E/V（式中△E表示内聚能，V表示摩尔体积）。是评价分了间作用力大小的一个物理量，主要反映基团间的相互作用。一般来说，分子中所含基团的极性越大，分子间的作用力就越大，则相应的内聚能密度就越大；反之亦然。
CAS号：
性质：两分子之间的结合能称为内聚能，单位体积的内聚能称为内聚能密度。CED=△E/V（式中△E表示内聚能，V表示摩尔体积）。是评价分了间作用力大小的一个物理量，主要反映基团间的相互作用。一般来说，分子中所含基团的极性越大，分子间的作用力就越大，则相应的内聚能密度就越大；反之亦然。
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