CNS has 15 classes: (w1): Chemistry

CNS has 15 classes: (w1): Chemistry course 33 (Chemistry33), (w2): Mathematics33, (w3):
Biology33, (w4): Chemistry34, (w5): Mathematics34, (w6): Biology34, (w7): Chemistry35, (w8):
Mathematics35, (w9): Biology35, (w10): Chemistry36; (w11): Pharmaceutical Chemistry36,
(w12): Mathematics36, (w13): Biology36, (w14): Applied Informatics36a, (w15): Applied
Informatics36b. When learning in CNS, each student is evaluated by the two types of mark that
are studying mark (X) and training mark (Y). Department administrators need to know the degree
of similarity about those attributes (X and Y). It will help them have many accordant adjustment
when running CNS or having decision that are related to supportive policies and scholarship for
students. We use clustering based on SCD criterion to analyze student’s marks and provide
result to administrators. The data of 15 populations are presented in the Appendix. Firstly, we
compute the centroid of fifteen above classes and use them as the discrete elements needed to
analyze. Figure 8 shows the distribution of fifteen discrete elements according to two variables
(X, Y).

Kết quả (Việt) 2:

CNS có 15 lớp: (W1): Khóa học Hóa học 33 (Chemistry33), (W2): Mathematics33, (w3):
​​Biology33, (w4): Chemistry34, (w5): Mathematics34, (w6): Biology34, (w7): Chemistry35, (W8):
Mathematics35, (W9): Biology35, (W10): Chemistry36; (W11): Dược phẩm Chemistry36,
(W12): Mathematics36, (W13): Biology36, (W14): Ứng dụng Informatics36a, (W15): Ứng dụng
Informatics36b. Khi học ở thần kinh trung ương, mỗi học sinh được đánh giá bởi hai loại nhãn hiệu đó
được nghiên cứu đánh dấu (X) và đánh dấu đào tạo (Y). Quản trị viên cục cần phải biết mức độ
giống nhau về những thuộc tính (X và Y). Nó sẽ giúp họ có nhiều điều chỉnh phù hợp
khi chạy CNS hoặc có quyết định có liên quan đến chính sách hỗ trợ và học bổng cho
sinh viên. Chúng tôi sử dụng phân nhóm dựa trên tiêu chí SCD để phân tích điểm của học sinh và cung cấp
kết quả cho người quản trị. Các dữ liệu của 15 dân được thể hiện trong Phụ lục. Thứ nhất, chúng tôi
tính toán trọng tâm của mười lăm lớp trên và sử dụng chúng như những yếu tố rời rạc cần thiết để
phân tích. Hình 8 cho thấy sự phân bố của mười lăm phần tử rời rạc theo hai biến
(X, Y).