《表2 个体分群表：基于通讯数据的社群聚类分析》
提示：宽带有限、当前游客访问压缩模式
通过K-Means聚类将36个个体聚为4类，每类中的数据如表2所示。
| 图表编号 | XD00165117900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.07.30 |
| 作者 | 吴建平、詹桢、王涛、文博、杨红超 |
| 绘制单位 | 湖南科技学院、湖南科技学院、湖南科技学院、湖南科技学院、湖南科技学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 饲养成本对照：基于大数据和图社群聚类算法的攻击者画像构建》2021.01.05
- 《表2 光伏电池参数：基于大数据和图社群聚类算法的攻击者画像构建》2021.01.05
- 《表1 供试药剂概况：基于大数据和图社群聚类算法的攻击者画像构建》2021.01.05
- 《表1 分组指标最优结果：基于模糊聚类算法的同调发电机分群》2020.12.01
- 《表2 参数设置：基于蚁群聚类算法的板式定制家具订单聚类分析》2020.05.06
- 《表1 个体分群：基于通讯数据的社群聚类分析》2020.07.30
- 《表1 个体学习行为类目：基于大数据分析的在线课程学习行为数据标准设计》2020.07.21
- 《表1 清洗方法：基于点群聚类的计算机网络入侵节点选择算法研究》2020.09.05
- 《表3 测试结果：基于点群聚类的计算机网络入侵节点选择算法研究》2020.09.05
- 《表2 实验数据：基于点群聚类的计算机网络入侵节点选择算法研究》2020.09.05
- 《表1 测试数据集特征：基于动态概率引导的人工蜂群聚类算法》2020.06.01
- 《表3 北京城区六类人群聚类结果》2019.10.26
- 《表1 通讯协议比较：基于TwinCAT和C#的弧焊数据采集分析系统》2019.06.25
- 《表1 数据集描述：基于划分的蚁群聚类算法研究》2019.01.25
- 《表2 测试结果：基于划分的蚁群聚类算法研究》2019.01.25
- 《表5 国际合作学者群聚类主题》2019.01.20
- 《表3 客户的分群聚类结果》2019.01.10
- 《表2 人群聚类结果Tab.2 Clustering results of crowds》2019.01.25
- 《表1 节点属性样例表：基于点群聚类的云数据中心计算节点选择与推介》2018.06.01
- 《表2 采样点测试数据：基于分群粒子群算法的平面度误差评定研究》2019.11.22