排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
根据牙齿网格数据表面的特点,提出一种密度聚类DBSCAN和K-Means混合聚类的牙齿特征自动识别算法.首先利用平均曲率和高度值对数据进行预处理,加大区域间的距离;然后将牙齿点中高度值高的点投影到XOY平面作DBSCAN聚类,获取簇数和中心点作为下一步的输入;再使用K-Means算法对预处理的模型处理,用于牙齿区域的划分;最后基于每个划分区域对特征点进行识别.实验结果表明,该算法能够精确地检测出牙齿的特征点,比已有识别算法操作简单、正确率高. 相似文献
2.
针对已有的公共自行车群体租车行为研究仅在站点尺度上进行分析,存在分析不完备等问题,提出了从城市—区域—站点的多尺度群体租车行为交互分析系统.首先,基于租/还站点和时间的一致性,从公共自行车数据中提取租车群体;然后结合站点的地理位置和群体租车行为的相似性,利用改进的迭代双聚类算法生成区域;再设计日历图、流量散点图和群体行为分布地图等视图,支持在宏观上分析群体行为随时间的变化和自流量与总流量的关系,在区域或站点尺度上分析群体行为的微观变化;最后结合多视图联动和交互分析,比较区域或站点的群体行为在工作日和周末的模式.通过4个案例,展示了群体租车行为的时空模式,证明了该系统在群体行为分析上的有用性和有效性. 相似文献
1