《表5 DSSD聚类结果及其类内离差平方和》
提示：宽带有限、当前游客访问压缩模式
对表4的聚类结果计算其各类的类重心为:作为初始种子，采用DSSD法进行聚类，得到结果如表5所示。
| 图表编号 | XD007460800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.11.15 |
| 作者 | 肖枝洪、于浩、王一超 |
| 绘制单位 | 重庆理工大学理学院、重庆理工大学理学院、重庆理工大学理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 各处理棉花吐絮率、吐絮率平方根反正弦变换值及其多重比较结果》2021.02.15
- 《表2 各处理棉花脱叶率、脱叶率平方根反正弦变换值及其多重比较结果》2021.02.15
- 《表1 实验数据信息：基于距离与误差平方和的差分隐私K-means聚类算法》2020.10.10
- 《表2 统计性描述：基于异类类内超平面的模糊支持向量机及其应用》2020.12.25
- 《表3 每个聚类内频次排名前10位的关键词》2020.12.20
- 《表1 1 正常林分生长量离差平方和计算结果汇总》2020.06.15
- 《表7 平均生长量离差平方和计算结果汇总》2020.06.15
- 《表3 类内与聚类中心DSBD大于0.6的样本比例》2020.03.25
- 《表2 类内与聚类中心DSBD大于0.4的样本比例》2020.03.25
- 《表3 不同主题数下各聚类数K对应的类内类间距离比值》2020.02.10
- 《表5 聚类中心的误差平方和的比较》2019.10.01
- 《表5 参试品种主要性状指标绝对离差》2019.06.20
- 《表2 4 个算法聚类误差平方和对比 (%)》2019.02.15
- 《表1 误差平方和与聚类准确度的对比》2019.04.15
- 《表3 茶园施肥类别的欧氏距离—离差平方和法系统聚类分析Table 3 System cluster analysis by Euclidean distance-sum of squares of deviations method for》2018.09.01
- 《表5 客户集中及其平方项对和讯社会责任报告总分的影响》2018.12.10
- 《表2 所属各类的观测：基于动态离差平方和准则的无监督机器学习》2018.11.15
- 《表4 K-means算法聚类结果及其类内离差平方和》2018.11.15
- 《表2 效应函数的系数及其离差平方和》2019.11.25
- 《表2 模型训练结果对比：基于DSSD的接触网鸟窝识别检测研究》2019.12.01