|
|
1) FCM
模糊C均值
1.
The cluster image object using these features and then the semantic feature is gained;FCM is used to cluster image.
提出了一种基于高层语义的图像检索方法,该方法首先将图像分割成区域,提取每个区域的颜色、形状、位置特征,然后使用这些特征对图像对象进行聚类,得到每幅图像的语义特征向量;采用模糊C均值算法对图像进行聚类,在图像检索时,查询图像和聚类中心比较,然后在距离最小的类中进行检索。
2.
To the mistake of local optimization in iterative process of fuzzy C-mean(FCM) clustering algorithm,a fuzzy C-mean clustering based on ant algorithm is presented to identify fuzzy clustering numbers and initial clustering center of FCM.
针对模糊C均值(FCM)聚类算法,在选取聚类中心点时采用随机选取易使得迭代过程陷入局部最优解,FCM算法自身并不能确定聚类个数需要人为设定,并在数据分类应用时具有了一定误差的问题,提出了一种基于蚁群算法的FCM聚类算法。
3.
FCM(Fuzzy C-Means) algorithm has good clustering efficiency,therefore it is widely used in the field of image segmentation.
模糊C均值算法由于具有良好的聚类性能而被广泛应用于图像分割领域,但聚类中心的初始化问题一直影响着该算法的运行效率。
2) fuzzy C-mean
模糊C均值
1.
Cluster analysis of seismic attributes by fuzzy C-mean algorithm;
模糊C均值地震属性聚类分析
2.
A new evolutionary neural network model combining the fuzzy C-mean and the evolutionary algorithm is presented.
将模糊C均值方法与进化算法相结合,提出了一种新的进化神经网络分类模型。
3.
The features of the fuzzy self-organizing neural network based on the fuzzy C-mean algorithm and its application in the data association for multiple targets tracking are studied, and a new tracking algorithm is proposed, which integrates the classification function of FKCN algorithm and the self-organizing neural network in data association and kalman filter estimation method.
分析了多目标跟踪问题的数据关联算法复杂性,研究了基于模糊C均值聚类算法的模糊自组织神经网络的特性及其在多目标跟踪中的应用,提出了将FKCN算法、自组织神经网络与数据关联、滤波相结合的跟踪算法。
3) fuzzy C means
模糊C均值
1.
Firstly,a modified fuzzy C means method is used on the RGB color space to identify senile plaques and neurofibrillary tangles in microscopic image of the hippocampus separately.
利用改进的模糊C均值算法对彩色图像的颜色信息进行聚类,分别提取了老年斑和神经元纤维缠结目标。
2.
Firstly multidirection and multiscale Gabor transforms are applied to target texture images;then fuzzy C means cluste.
首先,对待分割图像进行多尺度、多方向的Gabor变换,使用模糊C均值方法从变换结果中提取具有典型性的样本作为训练样本;然后,使用训练样本为每一个类别生成一个单独的初始子空间;最后,采用多子空间KL变换,对其余样本在迭代过程中进行类别划分。
4) fuzzy C mean
模糊C均值
1.
A new clustering algorithms based on culture algorithms is proposed after analyzing the disadvantages of the Fuzzy C Mean(FCM).
分析了模糊c均值(Fuzzy C Mean)聚类算法存在的不足,提出了基于文化算法的新型聚类算法。
5) Fuzzy C-Means(FCM)
模糊C均值
1.
The training data was acquired with the help of fuzzy c-means(FCM) algorithm,and then the R,G,B components,the component variance of same pixel point and the average of neighborhood pixels were taken as the identification characteristics.
将最小二乘支持向量机LS-SVM用于彩色磨粒图像的分割,利用模糊c均值选取训练样本,把磨粒图像的R,G,B分量,同一像素点各分量的方差以及像素点邻域像素均值作为特征,对彩色磨粒图像分割,取得了很好的效果,为磨粒自动识别提供了更有效的信息。
6) fuzzy C-means
模糊C-均值
1.
A modified fuzzy C-means(MFCM) clustering algorithm;
一种改进的模糊C-均值(FCM)聚类算法
2.
An improved method of image segmentation based on fuzzy C-means;
一种改进的模糊C-均值图像分割算法
3.
However, one of the traditional ways to evaluate the condition is the utilization of fuzzy C-means clustering method that can cluster the original patterns correctly, but can not classify the running state of pipelines automatically.
为此,阐述了一种基于负压波波动理论与模糊C-均值聚类算法相结合的混合评估方法,其基本思想为:对预处理后的管道运行实时压力波动进行动态聚类,然后求解动态聚类中心的波动指数,波动指数越小,管道运行状态越好;反之,则认定管道运行状态差,应迅速采取相应措施。
补充资料：均值不等式
几个重要不等式(一) 一、平均值不等式 设a1,a2,…, an是n个正实数，则，当且仅当a1=a2=…=an时取等号 1.二维平均值不等式的变形 (1)对实数a,b有a2+b2³2ab (2)对正实数a,b有 (3)对b>0，有， (4)对ab2>0有， (5)对实数a,b有a(a-b)³b(a-b) (6)对a>0,有 (7) 对a>0,有 (8)对实数a，b有a2³2ab-b2 (9) 对实数a，b及l¹0，有 二、例题选讲 例1.证明柯西不等式 证明：法一、若或命题显然成立，对¹0且¹0，取 代入(9)得有 两边平方得 法二、，即二次式不等式恒成立 则判别式 例2.已知a>0,b>0,c>0,abc=1,试证明： (1) (2) 证明：(1)左=[] = ³ (2)由知 同理： 相加得：左³ 例3.求证： 证明：法一、取，有 a1(a1-b)³b(a1-b), a2(a2-b)³b(a2-b),…, an(an-b)³b(an-b) 相加得(a12+ a22+…+ an2)-( a1+ a2+…+ an)b³b[(a1+ a2+…+ an)-nb]³0 所以 法二、由柯西不等式得： (a1+ a2+…+ an)2=((a1×1+ a2×1+…+ an×1)2£(a12+ a22+…+ an2)(12+12+…+12) =(a12+ a22+…+ an2)n, 所以原不等式成立 例4.已知a1, a2,…,an是正实数，且a1+ a2+…+ an<1，证明： 证明：设1-(a1+ a2+…+ an)=an+1>0, 则原不等式即nn+1a1a2…an+1£(1-a1)(1-a2)…(1-an) 1-a1=a2+a3+…+an+1³n 1-a2=a1+a3+…+an+1³n ………………………………………… 1-an+1=a1+a1+…+an³n 相乘得(1-a1)(1-a2)…(1-an)³nn+1 例5.对于正整数n，求证： 证明：法一、 > 法二、左= = 例6.已知a1,a2,a3,…,an为正数，且，求证： (1) (2) 证明：(1) 相乘左边³=(n2+1)n 证明(2) 左边= -n+2( = -n+2×[(2-a1)+(2-a2)+…+(2-an)]( ³ -n+2×n
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条
|