1)  unsupervised texture segmentation
无监督分割方法
1.
This paper presents a novel approach to unsupervised texture segmentation according to a very general nonparametric statistical model of image neighborhoods.
介绍了一个新颖的无监督分割方法,这种方法依赖于一个通用的图像邻域的非参数统计模型,直接建模图像邻域,不用建立中间特征。
2)  Unsupervised classification
无监分类
3)  unsupervised
无监督
1.
Novel unsupervised anomaly detection based on robust principal component classifier;
基于健壮主成分分类器的无监督异常检测方法研究
2.
The paper proposes an unsupervised training method for acquiring probability models that accurately segment Chinese character sequences into words.
接着论述了EM算法用于训练分词语言模型的可能性和局限性,为了解决EM算法严重依赖初始化条件的问题,用无监督训练方法建立概率模型,有效地解决了基于EM算法中文分词时可能存在的局部极值问题,提高分词精度。
3.
In order to overcome the weakness of statistical texture segmentation method,a new unsupervised texture segment algorithm,based on multi-resolution statistical model,was present.
针对基于统计的纹理分割算法存在的不足,提出了一种新的多分辨模型下的无监督统计纹理分割算法。
4)  unsupervised classification
无监督分类
1.
To avoid the disadvantage of getting into local optimum solution with general numerical computation methods in the general independent component analysis and the restriction of neuron activation functions of neural learning algorithm,an improved model of independent component analysis(ICA) based on genetic algorithm was proposed for the unsupervised classification of hyperspectral data.
针对独立成分分析在使用常规数值求解时容易陷入局部最优解的问题,以及采用神经学习算法时神经元激活函数的限制问题,将遗传算法与独立成分分析相结合,并对模型进行改进,提出了适合于高光谱数据无监督分类的模型。
2.
In order to classify the data of Hyperspectral remote sensing images automatically without prior knowledge,an unsupervised classification algorithm is presented based on the conception of convex geometry and spectral features in this paper.
为了实现对无任何先验知识的高光谱遥感数据的全自动分类,提出了一种关于高光谱图像的无监督分类算法。
3.
In this study,a novel artificial immune system algorithm for unsupervised classification and recognition is proposed by using a novel manifold distance based dissimilarity measure which can measure the geodesic distance along the manifold.
将一种新的流形距离作为相似性度量测度,提出了一种用于无监督分类与识别的人工免疫系统方法。
5)  unsupervised learning
无监督学习
1.
The learning of connectionism,which consists mainly of supervised learning,intensive learning and unsupervised learning,is modelled after the learning of human beings.
其学习是对人类学习的模拟,主要有监督学习、强化学习和无监督学习三种。
2.
The result of the feature selection in unsupervised learning is not as satisfactory as that in supervised learning.
无监督学习环境下的特征选择往往无法取得像有监督学习环境下那样令人满意的效果。
3.
The paper puts forward the method that based on the neural network unsupervised learning, also, improves the index on separation effects.
提出基于神经网络无监督学习的盲分离方法,并改进了分离效果评判指标。
6)  unsupervised segmentation
无监督分割
1.
Multiresolution likelihood ratio for unsupervised segmentation of SAR imagery;
基于广义多分辨似然比的SAR图像无监督分割
2.
An unsupervised segmentation of SAR imagery based on Multiscale image block is proposed.
提出了一种基于多尺度图像块的SAR图像无监督分割方法。
参考词条
补充资料：地下采矿方法设计的计算机方法


地下采矿方法设计的计算机方法
computerized design of under-ground mining method

　　d一x!0 eo一kuong fongfo shejl deJ一suanjl fongfa地下采矿方法设计的计算机方法(c omPuter-ized design of underground mining method)用计算机和优化技术完成地下采矿方法设计的一种手段。由于地下采矿方法设计时，要考虑的因素很多，判断决策时又十分灵活，没有固定的程式和准则，计算机处理时难度较大，因此，世界各国在20世纪80年代才开始将计算机和现代数学方法应用于地下采矿方法的设计。地下采矿法设计的计算机方法包含采矿方法优选和采场结构参数的优化两方面的内容。其目的是达到安全、经济、有效地采出矿石。 采矿方法的优选主要方法有模糊数学法、专家系统法、多目标决策法和价值工程法等。 (l)模糊数学法选择采矿方法的主要依据是众多的地质技术条件。但是，并没有定义明确的选择准则可以遵循，所以，采用模糊数学法处理。首先，初选一些采矿方法作为候选者，已知这些采矿方法所要求的地质技术条件。然后列出拟选择采矿方法的矿山的地质技术条件，计算并确定它们与候选采矿方法所要求的地质技术条件之间的模糊相似程度，选择条件最相近的那个采矿方法。 模糊数学还可用来预测采矿方法将取得的技术经济指标。首先，列出本矿山的地质技术条件，再收集一些采用同样采矿方法的其他矿山的地质技术条件，对它们进行模糊聚类。聚类时，与本矿山近似程度最高的矿山取得高权值，其余矿山按聚类近似程度排序依次取较低的权值;然后将各矿山用这种采矿方法取得的技术经济指标加权平均，得到本矿山采用这种采矿方法可能取得的技术经济指标。 (2)专家系统法采矿专家选择采矿方法时，通常先根据矿岩稳固性选择空场法、崩落法或充填法等采矿方法的大类别;然后根据矿体倾角及其他条件选择运输方式和长壁法、分段崩落法等采矿方法小类别;再根据矿体厚度或分段高度选择浅孔、中深孔或深孔等不同的落矿方式。这个过程是一个明显的逻辑推理过程。把这种逻辑因果关系总结成规则，存放在计算机系统中，就建立了采矿方法选择的专家系统(见采矿专家系统)。使用时，输人所设计的矿山的地质技术条件.系统就会自动推理，选择出适用的采矿方法。 (3)多目标决策法选择采矿方法时，考虑采矿成本、采准切割量、矿石贫化率、矿石损失率、采场生产能力等多个因素。这些因素从不同侧面反映采矿方法的优劣，具有各自的计量单位。采用多目标决策法，将这些因素综合起来，从整体上评价几种采矿方法的可行方案，从中择优。 (4)价值工程法价值工程中，事物的价值用其功能与成本的比值来衡量。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。