cluster.Description | 为每个聚类和变量分别计算的描述性统计 | ||
cluster.Gen | 已知簇结构的随机簇生成 | ||
cluster.Sim | 数据集最优聚类过程的确定 | ||
comparing.Partitions | 计算两个分区之间的一致性指数 | ||
data.Normalization | 变量(列)和对象(行)规范化公式的类型 | ||
data_binary | 二进制数据 | ||
data_interval | 区间数据 | ||
data_mixed | 混合数据 | ||
data_nominal | 名义数据 | ||
data_ordinal | 序数数据 | ||
data_patternGDM1 | 17个对象和10个变量的度量数据(8个刺激变量,2个衍生变量) | ||
data_patternGDM2 | 包含27个对象和6个变量(3个刺激变量、2个衍生变量和1个名义变量)的有序数据 | ||
data_ratio | 比率数据 | ||
data_symbolic | 符号间隔数据 | ||
data_symbolic_interval_polish_voivodships | 波兰旅游吸引力水平评价 | ||
dist.BC | 计算比率数据的Bray-Curtis距离度量 | ||
dist.GDM | 计算广义距离度量 | ||
dist.SM | 计算标称变量的Sokal-Michener距离测度 | ||
dist.Symbolic | 计算区间值符号数据之间的距离 | ||
GDM | 计算广义距离度量 | ||
GDM1 | 计算广义距离度量 | ||
GDM2 | 计算广义距离度量 | ||
HINoV.Mod | Carmone,Kara&改进的Maxwell噪声变量启发式辨识(HINoV)方法 | ||
HINoV.Symbolic | 修正了Carmone,Kara&符号区间数据的Maxwell噪声变量启发式辨识(HINoV)方法 | ||
index.C | 计算Hubert& Levin C index-内部聚类质量指数 | ||
index.DB | 计算Davies-Bouldin指数 | ||
index.G1 | 计算Calinski-Harabasz伪F统计量 | ||
index.G2 | 计算内部群集质量指数 | ||
index.G3 | 计算G3内部群集质量指数 | ||
index.Gap | 计算Tibshirani、Walther和Hastie差距指数 | ||
index.H | 计算哈迪根指数 | ||
index.KL | 计算Krzanowski Lai指数 | ||
index.S | 计算Rousseeuw的轮廓内部聚类质量指数 | ||
initial.Centers | k-均值类alghoritms初始簇中心的计算 | ||
interval_normalization | 区间值符号变量规范化公式的类型 | ||
ordinalToMetric | 序数数据的强化测量量表 | ||
pattern.GDM1 | GDM1距离在度量数据中的应用,用于计算对象与模式对象(上或下)的距离 | ||
pattern.GDM2 | GDM2距离在有序数据中的应用,用于计算对象与模式对象(上或下)的距离 | ||
plotCategorial | 在散点图矩阵上绘制分类数据 | ||
plotCategorial3d | 用三维图绘制分类数据 | ||
plotInterval | 在散点图矩阵上绘制符号区间值数据 | ||
replication.Mod | 修改用于群集验证的复制分析 | ||
shapes.blocks3d | 生成包含两个不典型形状簇的数据集(立方体被主对角线平面分成两部分) | ||
shapes.bulls.eye | 生成包含两个不典型环形(圆)簇的数据集 | ||
shapes.circles2 | 生成包含两个不典型环形(圆)簇的数据集 | ||
shapes.circles3 | 生成包含不典型环形(圆)的三个簇的数据集 | ||
shapes.two.moon | 生成包含两个形状不典型的簇(类似于新月的盈亏)的数据集 | ||
shapes.worms | 生成包含两个不典型抛物线形状簇的数据集(蠕虫) | ||
speccl | 一种谱聚类算法 |