1 IntroductionProjection pursuit ca

1 Introduction
Projection pursuit can convert high-dimensional data
into low-dimensional spaces. The characteristics of the
high-dimensional data are studied by analyzing the
projection features of data of low-dimensional spaces.
A Projection Pursuit Cluster (PPC) model is a
method for dealing with complex multi-factor statistical
problems[1, 2]. In this method, different projection
directions reflect different characteristics of the data
structure. The main difficulties of establishing this

ผลลัพธ์ (ไทย) 1:

บทนำ 1แสวงหาโปรเจคเตอร์ที่สามารถแปลงข้อมูลมิติสูงลงในช่องว่างมิติต่ำ ลักษณะของการข้อมูลมิติสูงจะศึกษา โดยการวิเคราะห์การหลากหลายข้อมูลมิติต่ำพื้นที่ฉายแบบจำลองฉายแสวงหาคลัสเตอร์ (PPC) เป็นการวิธีการจัดการกับปัจจัยที่หลายซับซ้อนทางสถิติปัญหา [1, 2] ในวิธีนี้ ฉายแตกต่างกันเส้นทางสะท้อนให้เห็นถึงลักษณะต่าง ๆ ของข้อมูลโครงสร้าง ปัญหาหลักของการสร้างนี้

ผลลัพธ์ (ไทย) 2:

1 บทนำ
ฉายแสวงหาสามารถแปลงข้อมูลสูงมิติ
ลงในช่องว่างมิติต่ำ ลักษณะของ
ข้อมูลสูงมิติมีการศึกษาโดยการวิเคราะห์
คุณสมบัติของข้อมูลประมาณการของพื้นที่ต่ำมิติ.
การฉายแสวงหาคลัสเตอร์ (PPC) รุ่นเป็น
วิธีการในการจัดการกับปัจจัยหลายทางสถิติที่ซับซ้อน
ปัญหา [1, 2] ในวิธีการนี้ฉายที่แตกต่างกัน
ทิศทางสะท้อนให้เห็นถึงลักษณะที่แตกต่างกันของข้อมูล
โครงสร้าง ปัญหาหลักของการสร้างนี้

ผลลัพธ์ (ไทย) 3:

1 แนะนำการติดตามข้อมูล - สูงขนาดฉายสามารถแปลงลงในช่องว่างมิติต่ำ ลักษณะของข้อมูล - สูงขนาดถูกศึกษาโดยการวิเคราะห์จากคุณสมบัติของข้อมูลเป็นมิติต่ำประมาณการติดตามกลุ่ม ( PPC ) รุ่นคือวิธีการจัดการกับความซับซ้อนหลายปัจจัยเชิงสถิติปัญหา [ 1 , 2 ] ในวิธีนี้ฉายต่าง ๆเส้นทาง สะท้อนให้เห็นถึงลักษณะที่แตกต่างกันของข้อมูลโครงสร้าง ปัญหาหลักของการสร้างนี้