当数据集聚类边界不清晰或存在噪声干扰时，人工免疫网络聚类算法通常无法获得有效的聚类划分。
然后对这些特征进行K-L变换，在新的变换域中选取其主要特征以备聚类时用。
模糊聚类分析是涉及事物之间的模糊界限时按一定要求对事物进行分类的数学方法。
目前，作为全局最优技术的进化计算已被很多学者用于聚类问题。
聚类结果表明：越橘各种群间遗传距离相对较远，说明各种群地理起源上的差异。
集群操作（如果你喜欢，可以把它叫做remoting或者分布式）会完全被提取到配置任务中。
说明了数据库镜像作为易于管理的故障转移群集替代方案。
外部经济的概念是了解小型企业从机群获得有效优势本质所在。
聚团性是复杂网络的一个重要特性，它源于小世界网络模型，通常都用聚集系数来衡量。
经过模糊C均值聚类方法验证，结果表明，该方法对于掌纹具有很强的识别能力。
作为概览：上述map集是一组包含共同的集群和复制标准集的map。
其中一个服务器被定义为主服务器，另一个是辅助服务器（通常是集群解决方案的一部分）。
集群化，顾名思义，是指运行相同应用的应用服务器实例的逻辑集合。
层次性图像检索在图片高斯混合特征的基础上通过聚类得到类的高斯混合特征。
实验结果表明，RSNN算法比SNN算法在时空数据集上具有更好的聚类效果。
按照空间属性聚集这些行的效果取决于在查询时对一个数据子集的访问。
Windows群集软件不了解分散在不同地理位置的群集的扩展属性。
对于索引控制的分区方法，分区的表、分区索引和群集这几个概念之间有点纠缠不清。
本文针对基于密度的空间聚类及其变种提出了拓扑的概念。
聚类有效性评价对聚类分析具有重要意义，是聚类分析的瓶颈之一。
我们将会可以直到64个一点点的处理器，比较大的很多SMP类型机器移动，然后一起聚集那些。
有关此限制的详细信息，请参阅规划群集时的考虑因素中的“存储组限制”。
因此考虑在使用SSD时嵌入较少的空闲空间，因为集群顺序可能并不那么重要。
许多北京人只能聚集在通往公园的大门周围，远远地对着里面引人注目的场馆拍照。
因此，无论最初的数目族群，区间式竞争分群演算法可以快速收敛。
与灰色聚类分析法进行结果比较，证明该方法更能综合反映水质评价信息，具有较大的适用性。
其早期病变非常局限，只有少数不规则扩张的血管裂隙和聚集肥胖（上皮样）细胞；