排序方式: 共有22条查询结果,搜索用时 15 毫秒
11.
12.
引入序关系保持的思想,即层次聚类的簇间距离度量应该能够最大限度地维护样本点间的原始距离排序关系。定义了样本点对序关系的概念和序关系损失度量,证明了序关系损失度量可用做聚类的目标准则函数和聚类结果质量的评价标准。利用序关系损失的概念扩展出两种簇间距离度量,实现了基于序关系保持的层次聚类算法(order-preserving based hierarchical clustering algorithm, OPHCLUS)。实验仿真证明了OPHCLUS对聚类质量提升的有效性。 相似文献
13.
14.
通过抽取数字的轮廓和骨架来提取几何特征,可以有效地反映手写数字的细节,但手写数字的不规范性导致其识别率并不高。运用统计分析理论可以克服这一缺点。首先提出了基于投影间隔比率和间隔变化的特征提取方法,通过数字投影计算间隔的像素数比率和变化趋势,并将其归一化作为特征向量。进一步通过旋转投影基准线,增加特征向量之间的正交性以减少信息冗余,基于这一思路提出旋转投影的识别方法。理论分析和实验证明了旋转投影可以在相同特征数量的情况下达到更高的识别率,并给出了推荐参数。此外,通过旋转投影,直接解决了倾抖数字的识别问题。 相似文献
15.
雷小锋 《电脑编程技巧与维护》2000,(4):16-17
本文对经常困扰VC++初学者的MFC应用程序框架机制进行一番解剖,阐述了程序的控制流程,特别对应用程序框架类之间的调用关系作了分析。 相似文献
16.
扩展空间对象聚类问题的研究 总被引:5,自引:0,他引:5
扩展空间对象的聚类分析是空间聚类研究的焦点问题。扩展空间对象的聚类分析要求在聚类中不仅要考虑对象的位置,而且要考虑对象所占据的范围。空间近似是研究扩展空间对象聚类的基本思想,但是点近似的方法忽视了扩展对象覆盖范围的影响,经常造成聚类质量不高,同时点近似方法的算法代价比较高,影响聚类的性能和可伸缩性;最小外接矩形(MBR)近似的方法一定程度地保留了扩展空间对象的位置和范围信息,配合MBR距离或者扩展距离,使得扩展对象的聚类分析无论从质量还是性能都可以满足要求。文章最后比较了几种扩展对象聚类方法的聚类性能和效果。 相似文献
18.
19.
K-Means聚类算法只能保证收敛到局部最优,从而导致聚类结果对初始代表点的选择非常敏感.许多研究工作都着力于降低这种敏感性.然而,K-Means的局部最优和结果敏感性却构成了K-MeanSCAN聚类算法的基础.K-MeanSCAN算法对数据集进行多次采样和K-Means预聚类以产生多组不同的聚类结果,来自不同聚类结果的子簇之间必然会存在交集.算法的核心思想是,利用这些交集构造出关于子簇的加权连通图,并根据连通性合并子簇.理论和实验证明,K-MeanScan算法可以在很大程度上提高聚类结果的质量和算法的效率. 相似文献
20.
雷小锋 《电脑编程技巧与维护》2001,(9):41-43
千姿百态的Java小应用程序是网路上一道靓丽的风景,Sun公司对其的定位是一种基本的应用程序,需要运行在支持Java的浏览器上,如Navigator、Internet Explorer或者Hot Java.当浏览器在一个HTML文档中发现〈APPLET〉标识时,浏览器就会从服务器上获取该小应用的类文件,加载并运行之. 相似文献