1) fast fuzzy clustering
快速模糊聚类
2) Fast Fuzzy C-means Clustering
快速模糊C均值聚类
1.
Research on Multiple People Tracking Based on Temporal Color Feature and Fast Fuzzy C-means Clustering;
首先用一种改进的背景减除方法检测行人的运动轮廓;然后将检测出的行人的轮廓区域分割成代表单人的轮廓区域;再用快速模糊C均值聚类的算法提取每个人的颜色特征;最后利用点特征和颜色特征对多人进行跟踪,并且在跟踪的过程中利用时间颜色权值来消除噪声对颜色信息干扰。
3) Fast fuzzy c means clustering algorithm
快速模糊C均值聚类算法
4) QFCM algorithm
快速模糊C-均值聚类方法
6) fast clustering
快速聚类
1.
A fast clustering algorithm called F-CABDET(Fast Clustering Algorithm based on Building a DEnsity-Tree) was presented, which significantly improves computing efficiency, reduces executing time and achieves satisfactory clustering results by the window-based method of converting global computation into local computation.
提出了一种基于窗口的快速聚类算法———FCABDET(Fast Clustering Algorithmbasedon Buildinga DEnsityTree)。
2.
For each pixel around the boundary,a local color model is first estimated through a new fast clustering algorithm,which is designed specially for color clustering.
对边界附近的每一像素,首先通过一种新的专门用于颜色聚类的快速聚类算法得到该像素周围的局部颜色模型,并用来重新估计像素的alpha值,以消除误分割。
补充资料：动态模糊聚类法
分子式：
CAS号：
性质：又称动态模糊聚类法。选定一批聚类中心，其指标能反映该类的特征，将样本向最近的聚类中心聚类。再根据分类结果确定新的聚类中心，其各项指标为该类中所有样本的相应指标的平均值。然后计算前后两聚类中心的差异，如差异大于某一阈值，说明分类不合理，需修改分类，即以新的聚类中心代替旧的聚类中心，直到前后两聚类中心的差异小于某一阈值，认为分类合理，从而终止分类过程。
CAS号：
性质：又称动态模糊聚类法。选定一批聚类中心，其指标能反映该类的特征，将样本向最近的聚类中心聚类。再根据分类结果确定新的聚类中心，其各项指标为该类中所有样本的相应指标的平均值。然后计算前后两聚类中心的差异，如差异大于某一阈值，说明分类不合理，需修改分类，即以新的聚类中心代替旧的聚类中心，直到前后两聚类中心的差异小于某一阈值，认为分类合理，从而终止分类过程。
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