1) DBSCAN cluster analysis
DBSCAN聚类分析
2) DBSCAN clustering algorithm
DBSCAN聚类
1.
In order to set appropriate parameters of DBSCAN clustering algorithm,we employ depen-dency of decision feature for condition feature set as evaluate criter.
本文提出了一种新的离散化算法,此算法以决策信息系统中决策属性对条件属性集合的依赖度作为评价函数动态调整DBSCAN聚类算法的参数,直至离散化决策属性对条件属性集合的依赖度达到预先指定的阈值为止。
2.
In order to set appropriate parameters of DBSCAN clustering algorithm,we have employed dependency of decision feature for condition feature set as evaluate criterion.
论文提出了一种新的离散化算法,此算法以决策信息系统中决策属性对条件属性集合的依赖度作为评价函数动态调整DBSCAN聚类算法的参数,直至离散化决策属性对条件属性集合的依赖度达到预先指定的阈值为止。
3) DBSCAN clustering
DBSCAN聚类
1.
Method of network traffic classification using DBSCAN clustering
一种使用DBSCAN聚类的网络流量分类方法
2.
Then taking advantage of the improved DBSCAN clustering algorithm,the division of attributes of resources is achieved.
总结并提出了一种QoS的三层结构模型,依靠资源绑定的策略有效地解决了网格资源中管理难的特点,并利用改进后的DBSCAN聚类算法实现对资源属性的划分,将资源分成多个资源相似集合。
5) density-based spatical clustiny of application with noise(DBSCAN)
基于密度的聚类算法(DBSCAN)
6) cluster analysis
聚类分析
1.
Application of Cluster Analysis in the Judgment of the Aluminum Electrolyzer's Status;
聚类分析在铝电解槽况判断中的应用
2.
Water quality and cluster analysis of Huaihe River Basin in 2004;
2004年淮河流域水质状况和聚类分析
3.
Failure analysis of drill stem based on support vector machine and cluster analysis theory;
基于支持向量机和聚类分析理论的钻具失效分析方法
补充资料：聚类分析
研究变量群分类的统计技术。又称 R型聚类分析。社会研究中，一个概念往往要通过一组指标（或变量）来测量。例如，研究婚姻中的择偶标准问题，往往通过一系列的问题或变量，如年龄、文化、专业、爱好、性情、身高、人品、气质、家庭背景等等，来研究人们择偶中的价值观。这些变量不是互不相关的，有些甚至高度相关。因此，可通过聚类分析把众多变量聚合为若干类。聚类分析适合于各种层次的变量。根据聚类的准则不同，聚类分析可分作距离法和相关系数法。
距离法 通过变量间的距离来度量聚类中的相似性。距离愈短，相似性愈佳，愈可合并为一类。在距离法中，变量被看作x 维空间的一个点，常用的欧氏距离是：
式中dij为变量xi和变量xj的距离；xik为第k个个案在变量xi上的观测值;xjk为第k个个案在变量xj上的观测值；x为个案数。
根据计算的距离dij,常采用谱系聚类法把变量间关系理顺成谱。它的基本思想是先把 P个变量各自看作一类，然后选择距离最小的合并为一新类；再计算新类和其他类的距离；再将距离最近的合并为新的一类，这样每次减少一类，直至所有变量成为一类为止。(见图)
相关系数法 通过变量间的相关系数来度量聚类中的相似性。相关系数不限于定距变量的积矩相关系数 r。如果是定类变量，可采用&λ系数或τ系数。根据相关系数作谱系聚类时，与距离法不同，它首先将相关系数最大的合并为一类，然后再逐步合并，直至所有变量成为一类的谱系图。
根据谱系聚类的结果，应划分为n类（或n组），一般用归类系数B来判断：
B应大于 1。也有的社会学家推荐B≥1.30作为分组的准则。
如果研究个案群的聚类,则称Q型聚类分析。这时只须把调查的x个个案，当作x个变量,分析方法与R型聚类分析完全相同。
参考书目
张尧庭、方开泰：《多元统计分析引论》，科学出版社，北京，1980。
距离法 通过变量间的距离来度量聚类中的相似性。距离愈短，相似性愈佳，愈可合并为一类。在距离法中，变量被看作x 维空间的一个点，常用的欧氏距离是：
式中dij为变量xi和变量xj的距离；xik为第k个个案在变量xi上的观测值;xjk为第k个个案在变量xj上的观测值；x为个案数。
根据计算的距离dij,常采用谱系聚类法把变量间关系理顺成谱。它的基本思想是先把 P个变量各自看作一类，然后选择距离最小的合并为一新类；再计算新类和其他类的距离；再将距离最近的合并为新的一类，这样每次减少一类，直至所有变量成为一类为止。(见图)
相关系数法 通过变量间的相关系数来度量聚类中的相似性。相关系数不限于定距变量的积矩相关系数 r。如果是定类变量，可采用&λ系数或τ系数。根据相关系数作谱系聚类时，与距离法不同，它首先将相关系数最大的合并为一类，然后再逐步合并，直至所有变量成为一类的谱系图。
根据谱系聚类的结果，应划分为n类（或n组），一般用归类系数B来判断：
B应大于 1。也有的社会学家推荐B≥1.30作为分组的准则。
如果研究个案群的聚类,则称Q型聚类分析。这时只须把调查的x个个案，当作x个变量,分析方法与R型聚类分析完全相同。
参考书目
张尧庭、方开泰：《多元统计分析引论》，科学出版社，北京，1980。
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