1) representative subset selection
代表性子集选择
1.
In this paper,a density-based clustering algorithm for using optimiazable K-dissimilarity selection is proposed to reduce the cost of I/O and memory usage via integrate the representative subset selection with DBSCAN algorithm.
该文提出一种利用最优K相异性算法(OptiSim)的密度聚类算法,通过代表性子集选择技术与DBSCAN算法的结合,可显著降低I/O耗费和内存需求,使之能够有效地处理大规模空间数据库,并提出一种扩展的OptiSim代表性子集选择方法(EOptiSim),它在处理组合数据库方面能弥补基本的OptiSim方法的不足。
2) diverse representative subset selection
多样化代表性子集选择
1.
The application of the diverse representative subset selection method of OptiSim or EOptiSim before DBSCAN can deal with not only a single large-scale database but also the combinatorial library or distributed database while reducing the cost of I/O and memor.
在最优K相异性算法(OptiSim)的基础上,提出一种扩展的最优K相异性算法(EOptiSim),由于EOptiSim在处理组合数据库和分布式数据库方面能弥补基本的OptiSim方法的不足,所以通过在DBSCAN算法之前应用OptiSim或EOptiSim多样化代表性子集选择技术,在显著降低I/O耗费和内存需求的同时,不仅能够有效地聚类单一的大规模空间数据库,而且还能聚类大规模组合数据库或分布式数据库。
3) Representative sample selection
代表性样品选择
4) attribute subset selection
属性子集选择
5) subset selection
子集选择
1.
It’s divided into two categories: The subset selection method and the data transformation method.
将数据维数消减方法主要分为两类:子集选择法和数据变换法。
6) cost-sensitive selective ensemble
代价敏感的选择性集成
补充资料：子集
集合论的基本概念之一。如果集a的任一元素都是集b的元素，则称集a为集b的一个子集，记作ab或ba，读作“a包含于b”或“b包含a”。如果a是b的子集，且b中至少含有一个不属于a的元素，则称a是b的“真子集”，记作ab或ba。任一集合都是它本身的子集，空集是任何集合的子集。
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