《表1 DBSCAN聚类效果》
提示：宽带有限、当前游客访问压缩模式
以体育主题为例，文本“即将于15日前往浙江参加世界女篮联赛中国站比赛的中国女篮进行了公开训练课，小区发生群殴。”分词聚类前后结果如表1所示。
| 图表编号 | XD0035652800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.20 |
| 作者 | 程元堃、蒋言、程光 |
| 绘制单位 | 武汉邮电科学研究院、南京烽火软件科技有限公司、南京烽火软件科技有限公司、东南大学计算机科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 传统DBSCAN与A-DBSCAN性能对比》2020.12.01
- 《表3 UCI数据集上不同算法结合DBSCAN的聚类结果比较》2020.08.10
- 《表6 DBSCAN聚类算法保留结果》2020.09.20
- 《表5 聚类结果整体度量：利用改进DBSCAN聚类实现多步式网络入侵类别检测》2020.08.01
- 《表4 聚类的划分结果：利用改进DBSCAN聚类实现多步式网络入侵类别检测》2020.08.01
- 《表3 聚类算法的性能：利用改进DBSCAN聚类实现多步式网络入侵类别检测》2020.08.01
- 《表1 关联测点划分：基于Kmeans-DBSCAN融合聚类的轴承异常温升诊断模型》2020.03.08
- 《表3 误判率：基于Kmeans-DBSCAN融合聚类的轴承异常温升诊断模型》2020.03.08
- 《表3 DBSCAN、OPTICS、DBSCAN++相应的运行时间/ms》2020.01.16
- 《表1 动态加权DBSCAN聚类实验数据表（部分）》2019.11.20
- 《表2 动态加权DBSCAN聚类结果》2019.11.20
- 《表1 DBSCAN聚类统计毛羽根数》2019.07.15
- 《表1 瞬时量数据示例：基于DBSCAN聚类的电力工程数据完整性分析》2019.05.01
- 《表2 表码数据示例：基于DBSCAN聚类的电力工程数据完整性分析》2019.05.01
- 《表3 A*-DBSCAN算法与DBSCAN算法轮廓系数比较》2019.08.01
- 《表1 特征数值化过程：基于电力日志特征的DBSCAN聚类》2019.05.01
- 《表2 聚类结果对比：基于电力日志特征的DBSCAN聚类》2019.05.01
- 《表4 两种算法点位误差：DBSCAN与Kmeans相结合的手机大数据聚类方法研究》2019.02.25
- 《表1 DBSCAN核心代码Tab.1 DBSCAN Core Code》2018.12.20
- 《表1 点云数据量：DBSCAN聚类和改进的双边滤波算法在点云去噪中的应用》2019.11.25