1) 2-D parameters clustering
二维聚类
1.
A new feature points matching algorithm based on similar triangles and 2-D parameters clustering was proposed,which has the function of anti-rotation and scaling.
将传统相似三角形匹配方法和快速二维聚类匹配方法进行融合,再利用基于灰度的方法对部分伪匹配三角形进行剔除,实现了一种新的抗旋转、缩放的特征点匹配算法。
2) two dimensional fuzzy clustering
二维模糊聚类
1.
The two dimensional fuzzy clustering method based on the spatial information was firstly used to suppress speckle and extract the part of bone from fetal ultrasound images.
首先使用结合空间邻域信息的二维模糊聚类,在抑制斑点噪声的同时提取胎儿超声图像中的骨骼部分;接着将骨骼提取的结果细化作为霍夫变换的输入;然后根据股骨和头部不同的形态特征,分别设计了直线霍夫变换加二次曲线拟合的股骨参数提取方法,以及椭圆二次迭代霍夫变换的头部参数提取方法。
3) 4-D clustering
四维聚类
1.
The “intensity moment”, which is preserved in the color image, is called bi-level threshold algorithm of moment 4-D clustering.
这种称为矩—四维聚类的两级阈值化算法不仅简单实用,而且效果较好。
4) high-dimensional clustering
高维聚类
1.
To overcome the shortcomings of the GCOD, a high-dimensional clustering algorithm for data mining, the paper proposes an intersected grid clustering algorithm based on density estimation (IGCOD).
针对高维聚类算法——相交网格划分算法GCOD存在的缺陷,提出了基于密度度量的相交网格划分聚类算法IGCOD。
5) One-dimensional clustering
一维聚类
6) each dimension clustering
逐维聚类
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