TERMIUM Plus^®

Fiche 1,  Justifications,  Anglais

Record number: 1, Textual support number: 1 CONT

Aggregation of microscopic particles diffusing in a fluid medium represents a common process leading to fractal structures. If the density of the initially randomly distributed particles is larger than zero, the probability for two "sticky" particles to collide and stick together is finite. It is typical for such systems that the resulting two-particle aggregate can diffuse further and may form larger fractal clusters by joining other aggregates. In the above process each cluster is equivalent with regard to the conditions for their motion, i. e., there is no seed particle as in the case of DLA. Consequently, this process is called cluster-cluster aggregation(CCA) to distinguish it from particle-cluster aggregation(CCA) to distinguish it from particle-cluster aggregation phenomena.  1, fiche 1, Anglais, - cluster%2Dcluster%20aggregation

Fiche 1,  Justifications,  Français

Fiche 1,  Justifications,  Espagnol

Fiche 2,  Justifications,  Anglais

Record number: 2, Textual support number: 1 CONT

The clusters can be selected from the list according to a probability depending on some characteristics of the aggregates. As was discussed for reaction-limited CCA, one possibility is i) to pick a cluster completely randomly(polydisperse case). In the ii) hierarchical models... only clusters of the same size are joined.  2, fiche 2, Anglais, - hierarchical%20model

Fiche 2,  Justifications,  Français

Record number: 2, Textual support number: 1 CONT

La conception du modèle hiérarchique part de l'idée que puisque la dimension fractale ne dépend pas [...] de la répartition en taille des amas, pourquoi ne pas considérer la répartition la plus simple qu'il soit, c'est-à-dire une fonction [...] Ainsi, dans le modèle hiérarchique seuls des amas de même nombre de particules peuvent se coller entre eux. D'autre part, comme nous le verrons, ce modèle se place dès le départ dans la limite de concentration nulle. Ce faisant, on redécouvre ainsi une méthode déjà utilisée par Sutherland en 1970 avec la seule différence que dans sa version moderne, le modèle hiérarchique considère des trajectoires browniennes au lieu de trajectoires linéaires.  2, fiche 2, Français, - mod%C3%A8le%20hi%C3%A9rarchique

Record number: 2, Textual support number: 1 OBS

On peut considérer que ce modèle est une extension du modèle de Witten et Sander dans laquelle au lieu de lâcher une particule à chaque stade de l'agrégation, on lâche un amas de même nombre de particules que celui placé au centre, mais construit indépendamment. Le gros avantage du modèle hiérarchique est qu'il permet de faire des simulations beaucoup plus rapides et plus précises que dans la boîte.  2, fiche 2, Français, - mod%C3%A8le%20hi%C3%A9rarchique

Fiche 2,  Justifications,  Espagnol

Fiche 3,  Justifications,  Anglais

Record number: 3, Textual support number: 1 CONT

In the case of a setup including three CMGs [control moment gyro] in a triangular trihedron, the maximum achievable kinetic moment is 2. 45 h, but singular configurations appear along certain directions as soon as the modulus of the kinetic moment of the cluster reaches 0. 41 h. This limits considerably the advantage of this structure, because only 17% of the maximum kinetic moment can be used safely.  1, fiche 3, Anglais, - cluster

Fiche 3,  Justifications,  Français

Record number: 3, Textual support number: 1 CONT

On distingue les gyrodynes 1-axe (une seule vitesse cardan commandée par toupie, en précession) dont le couple moteur est directement transmis au satellite par les bâtis et les gyrodynes 2-axes montés sur un double cardan avec vitesses de précession et nutation commandées. Dans ce cas, l'effet d'amplification de couple --le fait d'un faible couple autour de l'axe de précession produise un fort couple autour de l'axe perpendiculaire-- est moins important car le moteur de précession autour d'un des axes doit surpasser les couples de précession produits par l'autre. Les études menées au DCSD portent principalement sur les «grappes» : ensemble de gyrodynes 1-axe commandés simultanément.  1, fiche 3, Français, - grappe

Fiche 3,  Justifications,  Espagnol

Fiche 4,  Justifications,  Anglais

Record number: 4, Textual support number: 1 CONT

K-Means Cluster Analysis Results. The k-means algorithm is a clustering method which measures the proximity between groups using the Euclidean distance between group centroids. Beginning with an initial selection of k groups, this clustering algorithm allows to locate each respondent within clusters according to his/her distance to the nearest centroid. In total, 10 cluster solutions were tested using the Environics 1995 survey data. A scree plot of the derived proximity measure(in this case the Euclidean distance between group centroids) by the cluster solution is presented in chart 1.  1, fiche 4, Anglais, - cluster%20solution

Record number: 4, Textual support number: 2 CONT

Chart 1. K-Means Cluster Analysis: Minimum Distances Between Cluster Centers for Different Cluster Solutions  1, fiche 4, Anglais, - cluster%20solution

Fiche 4,  Justifications,  Français

Fiche 4,  Justifications,  Espagnol

Fiche 5,  Justifications,  Anglais

Record number: 5, Textual support number: 1 CONT

The k-means algorithm is a clustering method which measures the proximity between groups using the Euclidean distance between group centroids. Beginning with an initial selection of k groups, this clustering algorithm allows to locate each respondent within clusters according to his/her distance to the nearest centroid. In total, 10 cluster solutions were tested using the Environics 1995 survey data. A scree plot of the derived proximity measure(in this case the Euclidean distance between group centroids) by the cluster solution is presented in chart 1.  1, fiche 5, Anglais, - group%20centroid

Fiche 5,  Justifications,  Français

Fiche 5,  Justifications,  Espagnol