1)Data Clustering数据聚类
1.Using data clustering algorithm can effectively distinguish/identify the mode of gene expression data and categorize them.利用数据聚类方法,有效地辨别/识别基因表示数据的模式,对它们进行分类。
2.This paper is devoted to a novel data clustering approach based on generalized cellular automata (GCA).现有的数据聚类方法仍存在着各种不足,聚类速度和结果的质量不能满足大型、高维数据库上的聚类需求。
3.Data clustering is an important problem in data mining.数据聚类是数据挖掘中的一个重要课题。
英文短句/例句
1.AFS Clustering Analysis Method and Its Applications on Fuzzy Datasets;AFS聚类方法研究及其在模糊数据聚类中的应用
2.Improved gene expression data clustering using a support vector domain description algorithm支持向量数据描述的基因表达数据聚类方法
3.Clustering for Studying DNA Microarray Data;基于关系的DNA微阵列数据聚类分析
4.Research on Some Algorithms for High-Dimensional Data Clustering;高维数据聚类技术中的若干算法研究
5.Research on Fuzzy Clustering and Clustering Ensemble in Data Mining;数据挖掘中模糊聚类与聚类集成研究
6.A New Tissue Clustering Algorithm Based on Gene Clustering with SOM;基于SOM基因聚类的基因数据组织样本聚类
7.Clustering of Rough Set of Qualitative Data of High Dimension in Data Mining;数据挖掘中高维定性数据的粗糙集聚类
8.Research on Data and Data Stream Clustering Algorithms for Mixed Attributes面向混合属性的数据与数据流聚类算法研究
9.A new clustering algorithm is presented.聚类是数据挖掘中很重要的一部分。
10.A Study on Clustering Analysis Algorithms in Spatial Data Mining;空间数据挖掘中聚类分析算法的研究
11.Studies on the Biclustering Algorithms for Gene Microarray Data;基因微阵列数据的双向聚类算法研究
12.Research on Two-tier Structure Clustering Mining Based on Data Stream;基于数据流双层结构聚类挖掘的研究
13.The Study and Application for Cluster Analysis of Data Mining Method;聚类分析数据挖掘方法的研究与应用
14.The Research and Realization of Clustering Algorithm in Data Streams Mining;数据流挖掘中聚类算法的研究与实现
15.The Research on Subspace Clustering for High Dimensional Data;面向高维数据的子空间聚类算法研究
16.Research on Varying-Density Spatial Clustering in High-Dimensional Data;面向高维数据的变密度空间聚类研究
17.Application Research of CRM Data Mining Based on Clustering Algorithms;基于聚类算法的CRM数据挖掘应用研究
18.The Study of Application and Analysis about Clustering Algorithm in Data Mining;数据挖掘聚类算法的分析和应用研究
相关短句/例句
clustered data聚类数据
3)Database clustering数据库聚类
4)datasource clustering数据源聚类
5)data stream clustering数据流聚类
1.This article proposes a k-Means partitioning and density based data stream clustering algorithm—CLUSMD.数据流聚类是数据流挖掘研究的一个重要内容,已有的数据流聚类算法大多采用k中心点(均值)方法对数据进行聚类,不能对数据分布不规则以及高维空间数据流进行有效聚类。
2.In order to enhance the quality of data stream clustering towards noisy and unbalanced data,an effective twice-clustering algorithm for data streams,TCLUSA for short,was proposed.为提高数据分布不规则和含有噪音时的数据流聚类质量,提出了一种有效的数据流二次聚类算法TCLUSA。
6)clustering stream data流数据聚类
延伸阅读
材料性能类数据库分子式：CAS号：性质：材料性能类数据库存储的是关于材料性能的各类数据。如关于铝合金组成、机械及物理性质、力学性能的数据库AAASD，关于陶瓷材料的文献库CERAB，关于铜及铜合金机械、力学、电、热等性质的数据库COPPERDATA，关于聚合物、陶瓷、复合材料的文献库EMA，关于塑料的机械、热、电、加工和物理性质、可燃性及用途的数据库IPS，关于钢铁、有色金属、工程材料(陶瓷、塑料、复合材料等)技术经济报告的文献库MATBUS，关于钢铁和有色金属材料的数据库MDF，关于铝合金和钢铁蠕变与断裂性质的数据库METALCREEP，关于结构陶瓷机械、物理、电、热、腐蚀、氧化性质的数据库NISTCERAM，关于无机非金属材料的文献库SILICA等。
