1) projection pursuit cluster
投影寻踪聚类
1.
This paper is to classify the groundwater regime according to projection function value through turning multi-dimensional data indexes into low-dimensional space by using projection pursuit cluster (PPC) model, and meanwhile optimizing its projection direction by immune evolutionary algorithm (IEA).
针对地下水动态分类问题,采用投影寻踪聚类(PPC)模型,将多维的动态水位数据指标转换到低维子空间,并利用免疫进化算法(IEA)优化其投影方向,根据投影函数值的大小对地下水动态进行合理的分类。
2.
This paper is to classify the water resources system sustainable utilization according to projection function value through transferring multi dimension data indexes into low dimension space by using projection pursuit cluster (PPC) model.
针对水资源系统可持续利用评价问题,采用投影寻踪聚类模型,将多维数据指标转换到低维子空间,并优化其投影方向,根据投影函数值的大小对水资源系统可持续利用的程度进行合理评价。
3.
Projection pursuit cluster (PPC) is the colligation of projection pursuit and unstratified cluster method.
投影寻踪聚类(PPC)是投影寻踪和非分层聚类方法的综合,它同时尝试分类数据和寻找聚类结构的低维有代表性的特征。
2) Projection pursuit classification
投影寻踪聚类
1.
The theory of projection pursuit classification method is introduced.
介绍了投影寻踪聚类模型的基本原理,将粒子群优化算法引入该模型,建立了基于投影寻踪聚类技术的IT项目评标决策模型,通过优化投影指标函数获得最佳投影方向,得到各样本的投影值,从而对各投标方案进行分类与评价,克服了决策中权重赋值的人为干扰。
3) projection pursuit clustering
投影寻踪聚类
1.
Slope stability projection pursuit clustering analysis based on harmony search;
基于和声搜索的边坡稳定性投影寻踪聚类分析
2.
The model of projection pursuit clustering based on harmony search is built and the improved program is used.
文中建立了基于和声搜索的边坡稳定投影寻踪聚类分析模型,并用作者编制的相关程序实证分析了某水库库区滑坡。
4) sequential projection pursuit cluster model
序列投影寻踪聚类模型
5) Projection Pursuit Cluster Analysis
投影寻踪聚类分析
1.
Projection Pursuit Cluster Analysis and Its Application on Financial Performance Appraisal of Listed Companies;
投影寻踪聚类分析及其在上市公司财务绩效评价中的应用研究
6) Projection Prusuit Cluster
投影寻踪聚类模型
1.
The Projection Prusuit Cluster(PPC) is applied to evaluate the water resources bearing capacity of Yinchuan,and the genetic algorithm(GA) is used to optimize the projection direction.
构建了银川市水资源承载能力的指标体系,选用投影寻踪聚类模型对银川市水资源承载能力进行了评估,投影方向选用遗传算法进行优化。
补充资料：滤波反投影或卷积反投影
滤波反投影或卷积反投影
影像学术语。当代影像学设备进行影像重建的数学方法。在直接用扫描后所获得的投影轨迹剖面图反投影重建出的CT图像中，无法避免角度卷入条纹伪影(angular aliasing streaks)造成的模糊和失真。这种现象与被扫描层面的空间频率中高频信息的损失有关。使用一种精密的数学方法去除这种模糊。称为“展现”(unfolding)或去卷积(deconvolution)，即在反投影前使用一种数学的“滤器”或卷积函数对原始数据进行修正，然后再进行反投影。两步数学处理过程合称为滤波(修正后)反投影或卷积(后)反投影。这种方法的优点是处理过程简单，速度快，所得图像逼真、清晰。
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