The 2 references with contexts in paper Sergei Kabanov S., Сергей Кабанов Станиславович (2016) “ФОРМИРОВАНИЕ ОТРАСЛЕВЫХ ТЕХНОЛОГИЧЕСКИХ КЛАСТЕРОВ В ПРОМЫШЛЕННОМ ПРОИЗВОДСТВЕ // FORMATION OF BRANCH TECHNOLOGY CLUSTERS IN INDUSTRIAL PRODUCTION” / spz:neicon:statecon:y:2013:i:2:p:142-146

4
Симчера В.М. Методы многомерного анализа статистических данных: учеб. пособ. – М.: Финансы и статистика, 2008. – 400с.
Total in-text references: 1
  1. In-text reference with the coordinate start=3543
    Prefix
    Метод иерархических алгоритмов – последовательной кластеризации объектов от общего к частному. Иерархические алгоритмы подразделяются по количеству, последовательности и метрике выделяемых кластеров
    Exact
    [4, с. 120]
    Suffix
    . В последнем случае речь идёт об алгоритмах ближнего (на первом шаге объединяются два наиболее близких объекта с максимальной мерой сходства, а затем к ним присоединяется объект с максимальной мерой сходства хотя бы с одним объектом кластера), дальнего (противоположная ситуация) и среднего «соседа», при котором расстояния между двумя кластерами определяются как среднее расстояние между всеми

6
Халафян А.А.STATISTICA 6. Статистический анализ данных. 3-е изд. – М.:ООО «Бином-Пресс»,2007. – 512 с.
Total in-text references: 1
  1. In-text reference with the coordinate start=3203
    Prefix
    Его задача заключается в том, чтобы на основании данных, содержащихся во множестве {X}, разбить множество объектов {Z} на k кластеров С1, С2, ..., Сk таким образом, чтобы каждый объект принадлежал одному и только одному подмножеству разбиения. При этом «объекты, принадлежащие одному и тому же кластеру, должны быть сходными, а объекты, принадлежащие разным кластерам, – разнородными»
    Exact
    [6, с.241–242]
    Suffix
    . В прикладных социально - экономических исследованиях наиболее широкое распространение имеют две группы кластерного анализа: 1. Метод иерархических алгоритмов – последовательной кластеризации объектов от общего к частному.