《表5 模糊C聚类分析结果》
提示：宽带有限、当前游客访问压缩模式
在系统聚类法分类中，贵阳均被单独分为一类，而六盘水稳定出现在第二类中，遵义、毕节等偶尔在第二类中出现，其余城市主要出现在第三类中，结果见表5。
| 图表编号 | XD00203211100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.10 |
| 作者 | 唐晨添、缪辉、孙一飞 |
| 绘制单位 | 贵州财经大学、贵州财经大学、贵州财经大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 分类结果混淆矩阵：基于超像素快速模糊C均值聚类与支持向量机的柑橘病虫害区域分割》2021.02.10
- 《表5 交叉验证结果：基于模糊C均值聚类与Bayes判别的致密油储层分类评价》2020.10.25
- 《表4 自身验证结果：基于模糊C均值聚类与Bayes判别的致密油储层分类评价》2020.10.25
- 《表5 负荷计算占比：基于可能性c均值聚类和模糊评判的调峰负荷辨识》2020.12.20
- 《表2 分类结果：基于负序功率方向比较和模糊C均值聚类的电网故障区域识别》2021.01.10
- 《表1 聚类结果：基于负序功率方向比较和模糊C均值聚类的电网故障区域识别》2021.01.10
- 《表3 模糊C均值聚类数据点》2020.12.30
- 《表3 c=3模糊聚类中心》2020.04.10
- 《表1 数据集信息：基于模糊C-均值聚类的缺失数据填充方法》2020.03.25
- 《表5 关键因素提取：基于粗糙集-模糊C均值聚类的Elman神经网络农村需水量预测》2020.01.08
- 《表9 误差对比分析：基于粗糙集-模糊C均值聚类的Elman神经网络农村需水量预测》2020.01.08
- 《表2 聚类参数设置：基于粗糙集-模糊C均值聚类的Elman神经网络农村需水量预测》2020.01.08
- 《表3 聚类中心：用于分割无损检测图像的改进的抑制式模糊C均值聚类算法》2019.08.01
- 《表5 动态聚类结果：模糊聚类分析在面粉综合质量评价中的应用》2019.10.15
- 《表3 模糊C均值聚类结果》2019.09.01
- 《表2 特征值对应模糊C均值聚类中心》2019.06.01
- 《表3 依托“层次分析-模糊聚类”的预测结果 (2016年5月)》2019.06.25
- 《表1 用户矩阵表：模糊C均值聚类算法编程实现及应用》2018.08.01
- 《表5 分类结果：基于改进型模糊聚类算法(FCM)的复印纸质量综合分析》2018.09.01
- 《表1 实验数据集简介：增量式模糊C有序均值聚类算法》2018.08.01