说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 快速聚类分析
1)  quick cluster analysis
快速聚类分析
1.
Joints are categorized into several clusters by using quick cluster analysis.
采用快速聚类分析的方法,将节理产状的样本数据划分为不同的簇,利用极大似然估计的原理,通过数值方法求解费歇尔概率分布模型的参数,并用皮尔逊检验说明了费歇尔逊概率模型的有效性。
2)  Clustering Fast Segmentation
聚类快速分割法
1.
Based on the mathematical morphological algorithm,two methods to solve this complexity were proposed,namely,Clustering Fast Segmentation and Watershed Region Segmentation.
基于数学形态学的方法,研究了两种针对这种较复杂情况的成熟草莓果实分割的方法,即聚类快速分割法和分水岭区域分割法。
3)  fast clustering
快速聚类
1.
A fast clustering algorithm called F-CABDET(Fast Clustering Algorithm based on Building a DEnsity-Tree) was presented, which significantly improves computing efficiency, reduces executing time and achieves satisfactory clustering results by the window-based method of converting global computation into local computation.
提出了一种基于窗口的快速聚类算法———FCABDET(Fast Clustering Algorithmbasedon Buildinga DEnsityTree)。
2.
For each pixel around the boundary,a local color model is first estimated through a new fast clustering algorithm,which is designed specially for color clustering.
对边界附近的每一像素,首先通过一种新的专门用于颜色聚类的快速聚类算法得到该像素周围的局部颜色模型,并用来重新估计像素的alpha值,以消除误分割。
4)  fast classification
快速分类
5)  rapid analysis
快速分析
1.
Vibration rapid analysis on electric motor pedestal of shore bridge machinery room based on VB
基于VB的岸桥机房电机底座振动快速分析
2.
Some new effective separation techniques and analysis methods applied for Chinese traditional medicine production were introduced,and their outlook in rapid analysis and quality control were also discussed.
指出实现中药成分快速分析的 3个主要途径 :简化分析方法、高效分离技术和反应与分析的耦合 ,并对一些新型的分离分析方法在药物分析中的应用作了介绍 ,论述了它们在中药成分快速分析和质量控制中的前
3.
The research and application actualities of NIRS rapid analysis in agriculture,food,pharmaceutical,petrochemical industry,polymer and so on is summarized.
简要介绍了近红外光谱的原理、特点,综述了近红外光谱在农业、食品、制药、石油化工、高分子等领域快速分析上的研究及应用现状,并对近红外光谱的应用前景进行了展望。
6)  fast analysis
快速分析
补充资料:非系统聚类分析
分子式:
CAS号:

性质: 又称非谱系聚类分析。先将各样本粗略分为K个初始类,计算各类形心的坐标,再计算每个样本到类形心的距离,重新将样本聚集到最近距离的类中。再重新计算接受和失去了样本后的各类的形心,再对每个样本进行归类。循此进行,直到每个样本都归到了它与其类形心最靠近的类中,聚类过程停止,最后形成K类。

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