1) characteristic Ranking Order Clustering
特征排序聚类法
2) feature ranking
特征排序
1.
Furthermore, RSC can also accomplish fast feature ranking for the intrusion detection system.
该方法可以在生成检测规则之前完成特征排序,且不需要多次重复迭代计算,提高了入侵检测系统的效率;同时,生成的检测规则是"if-then"格式的产生式,易于解释。
2.
Based on probability density approximation,a novel unsupervised feature ranking approach was proposed and could be applied to feature selection.
依据概率密度逼近提出了一种新的无监督特征排序,应用于特征选择降维。
3.
This paper proposes a feature ranking method to resolve the problem of dimensionality reduction.
特征排序是特征选择的一个分支,其计算复杂度低,易于应用,能够一次将所有的特征进行排序,因此得到广泛的应用。
3) feature ordering
特征排序
1.
The model of combinatorial optimization is established to put forward the model of feature ordering, process sequence and optimization.
首先给出创成式 CAPP系统中的工艺规划过程 ,然后应用数学优化、专家系统与 ODBC(开放式数据库互连 )建模的技术与方法建立了创成式 CAPP系统中特征排序、工步排序、工艺创成、知识库推理、数据库管理等问题的模型 。
2.
For the different feature ordering the same multi-dimensionaldata lead to the different star plotsand extract the different barycentre graphical features, which affect the classification error of the classifiers, the novel question is proposed, that is feature ordering questioninthefeatureextraction of starplots of multivariate data.
针对同样的多元数据不同的特征排序会导致不同的雷达图图表示,进而产生不同的重心特征,而这些重心特征会最终影响分类器的性能,因此提出一种新的问题,即雷达图图形特征提取中的特征排序问题。
4) ordinal feature
排序特征
1.
In this work,an efficient content-based copy detection approach is proposed with novel ordinal features.
排序法是一种常用的视频拷贝检测方法,为获得更佳的检测性能,提出一种基于排序特征的视频拷贝检测方案。
5) feature clustering algorithm
特征聚类算法
1.
A feature clustering algorithm, which is based on the self organizing neural network of Kohonens model, is proposed for the research on the dynamic walking gait of quadruped walking robot.
针对四足机器人行走动步态的研究，提出了一种基于神经网络中Ｋｏｈｏｎｅｎ自组织映射的特征聚类算法。
补充资料：动态模糊聚类法
分子式：
CAS号：
性质：又称动态模糊聚类法。选定一批聚类中心，其指标能反映该类的特征，将样本向最近的聚类中心聚类。再根据分类结果确定新的聚类中心，其各项指标为该类中所有样本的相应指标的平均值。然后计算前后两聚类中心的差异，如差异大于某一阈值，说明分类不合理，需修改分类，即以新的聚类中心代替旧的聚类中心，直到前后两聚类中心的差异小于某一阈值，认为分类合理，从而终止分类过程。
CAS号：
性质：又称动态模糊聚类法。选定一批聚类中心，其指标能反映该类的特征，将样本向最近的聚类中心聚类。再根据分类结果确定新的聚类中心，其各项指标为该类中所有样本的相应指标的平均值。然后计算前后两聚类中心的差异，如差异大于某一阈值，说明分类不合理，需修改分类，即以新的聚类中心代替旧的聚类中心，直到前后两聚类中心的差异小于某一阈值，认为分类合理，从而终止分类过程。
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