R 中的資料探勘演算法/包/CCMtools/CCM
此函式對兩個匹配的資料集（例如，每日本地和大型大氣資料）進行同時聚類，以便每個聚類最大化兩個資料集之間的相關性。此聚類基於規範相關分析 (CCA) 的混合。
CCM(Nc, NS, DataA.tbc,DataS.tbc,NN, DataStation, init="block", ITmax=15, rq=0)
- Nc 所需的聚類數。
- NS 本地尺度時間序列的位置數（即氣象站）。
- DataA.tbc 對應於要聚類的大尺度資料集。這是一個矩陣
M*NN，其中M對應於大尺度位置的數量（例如，GCM 或 RCM 網格單元），NN 對應於時間序列的長度（例如，天數）。請注意，此矩陣在 CCM 中使用時沒有任何轉換。例如，如果必須執行主成分分析 (PCA)，則必須在輸入 CCM 之前進行。
- DataS.tbc 對應於要聚類的本地尺度（站點）資料集。這是一個
NS*NN 矩陣。與 DataA.tbc 類似，請注意此矩陣在 CCM 中使用時沒有任何轉換，並且如果必須執行 PCA，則必須在輸入 CCM 之前進行。
- NN 時間序列的長度（例如，每日時間序列的天數）。
- DataStation 將計算資訊準則的本地尺度（站點）資料集。
它通常與 DataS.tbc 相同，但根據應用程式（例如，DataS.tbc 是 PCA 的結果）或要達成的目標而有所不同。
- init 聚類的初始化方法。有六種方法可用
- "block"：塊初始化（預設值） - "12345"：每天交替分配到一個聚類（例如，如果需要 3 個聚類，則第 1 天進入 C1，第 2 天進入 C2，第 3 天進入 C3，第 4 天進入 C1，第 5 天進入 C2，依此類推） - "Kmeans"：透過 k 均值演算法進行初始化 - "Mixtn"：與 "12345" 相同，但長度為 12（而不是長度為 1） - "EMw"：透過對從在 DataA.tbc 和 DataS.tbc 之間執行的 CCA 得到的 w（即大尺度）規範變數應用 EM 聚類演算法進行初始化 - "EMvw"：與 "EMw" 相同，但 EM 應用於 v（本地）和 w（大尺度）規範變數。
- ITmax 最大迭代次數（預設為 15）是演算法不收斂的情況。
CWGLI 3
- rq 計算資訊準則
(IC) 的本地尺度變數（感興趣的變數）的值（預設為 rq=0）。rq 可以是資料的第 90 個百分位數。在這種情況下，CCM 將嘗試找到極值得到良好區分的聚類。高 IC 表示聚類之間（在本地尺度變數方面）的良好區分。
有關 CCM 方法的詳細資訊，請參見下面的參考文獻。M. Vrac、P. Yiou。“為區域性降水建模設計的天氣狀況：在地中海盆地的應用”。JGR-大氣，doi:10.1029/2009JD012871，2010
M. Vrac (mathieu.vrac@lsce.ipsl.fr))