国产bbaaaaa片,成年美女黄网站色视频免费,成年黄大片,а天堂中文最新一区二区三区,成人精品视频一区二区三区尤物

首頁> 外文OA文獻 >Multiple Correspondence K-Means: Simultaneous Versus Sequential Approach for Dimension Reduction and Clustering
【2h】

Multiple Correspondence K-Means: Simultaneous Versus Sequential Approach for Dimension Reduction and Clustering

機譯：多個通信k均值：同時與尺寸減小和聚類的順序方法

代理獲取
本網站僅為用戶提供外文OA文獻查詢和代理獲取服務，本網站沒有原文。下單后我們將采用程序或人工為您竭誠獲取高質量的原文，但由于OA文獻來源多樣且變更頻繁，仍可能出現獲取不到、文獻不完整或與標題不符等情況，如果獲取不到我們將提供退款服務。請知悉。
  • 摘要
  • 著錄項
  • 相似文獻
  • 相關主題

摘要

In this work, a discrete model for clustering and a continuous factorial one for dimension reduction are simultaneously fitted to categorical data, with the aim of identifying the best partition of the objects, described by the best orthogonal linear combinations of the factors, according to the least-squares criterion. This new methodology named multiple correspondence k-means is a useful alternative to the Tandem Analysis in the case of categorical data. Then, this approach has a double objective: data reduction and synthesis, simultaneously in the direction of rows and columns of the data matrix.
機譯：在這項工作中，用于聚類的離散模型和用于維度減少的連續(xù)因子，同時適用于分類數據，目的是識別由因素的最佳正交線性組合描述的物體的最佳分區(qū)。最小二乘標準。這種命名的多個通信k-means的新方法是對分類數據的串聯(lián)分析的有用替代方案。然后，這種方法具有雙重目標：數據減少和合成，同時在數據矩陣的行和列的方向上。

著錄項

相似文獻

  • 外文文獻
  • 中文文獻
  • 專利
代理獲取

客服郵箱：kefu@zhangqiaokeyan.com

京公網安備：11010802029741號 ICP備案號：京ICP備15016152號-6 六維聯(lián)合信息科技 (北京) 有限公司?版權所有

  • 客服微信

  • 服務號