1) Optimal tree cluster
最小树分类
3) wavelet-tree classification
小波树分类
4) minimal spanning tree clustering
最小生成树聚类
1.
Aiming at the feature that transverse documents and vertical documents blend mostly in Chinese document layout,a menthod based on minimal spanning tree clustering is presented.
针对中文版面多横竖混排的特点,提出一种基于最小生成树聚类的版面分割方法。
5) MST analysis
最小生树分析
6) MCE
最小分类错误
1.
A Minimum Classification Error(MCE) criterion based sub-words weighting parameters estimation algorithm is proposed in which the sub-word weighting parameters are derived by the MCE training.
本文提出了一种基于最小分类错误准则(MCE)的子词权重参数估计算法,通过MCE训练得到子词的权重系数。
补充资料：最小距离分类
按照模式与各类代表样本的距离进行模式分类的一种统计识别方法。在这种方法中，被识别模式与所属模式类别样本的距离最小。假定c 个类别代表模式的特征向量用R1,...,Rc表示,x是被识别模式的特征向量，|x-Ri|是x与Ri(i＝1,2,...,c)之间的距离，如果|x-Ri|最小，则把x分为第i类。在更复杂的情况下可以用各类的代表样本集合，而不仅仅是用一个样本作为最小距离分类的基础(见近邻法分类)。进行最小距离分类首先要为每个类别确定它的代表模式的特征向量，这是用这种方法进行分类效果好坏的关键。各类代表特征向量可以根据所研究对象的物理、化学、生物等方面的机理来确定，常用的方法是收集各类样本，用各类样本特征向量的平均向量作为各类代表模式的特征向量。其次要选择一种确定的距离度量以计算被识别模式与各类代表模式特征向量之间的距离。常用的距离有欧几里得距离、绝对值距离等。
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