1) fuzzy K means clustering
模糊K均值聚类
1.
For getting quickly the color image,hue-saturation-intensity(HSI) color space is used in which an enhanced fuzzy K means clustering method is designed.
为了使仿人机器人快速获得颜色图像,采用HSI颜色空间,并对现有算法进行了改进,根据每个像素点HSI3值中有关I值的公式对当前像素的主要特征进行判断,采用了模糊K均值聚类的方法进行图像分割。
3) fuzzy of K-mean cluster analysis
模糊K均值聚类分析
1.
Based on choosing five parameters which infiuence acid-base proper ties,fuzzy of K-mean cluster analysis is applied into the classification of ac id-base properties of compound.
选用化合物中影响酸碱性的5个参数,运用模糊K均值聚类分析方法对化合物进行酸碱性分类研究,得到了比判别分析等方法更为丰富的信息,有利于对分析结果进行研究。
4) fuzzy K means clustering algorithm
模糊K均值聚类算法
1.
The model is trained by the mea-sured parameters of die-casting machine,adopting fuzzy K means clustering algorithm to select clustering centre,using the observer to forecast the residuals between the sensor output value and the sensor actual output value to diagnose sensor fault.
通过来自压铸机的实测参数进行模型训练,采用模糊K均值聚类算法选取聚类中心,利用该观测器确定传感器输出值与传感器实际输出值之间的残差,以此判断传感器是否发生故障。
5) fuzzy c-means clustering
模糊C均值聚类
1.
The analog circuits fault diagnosis based on fuzzy C-means clustering;
基于模糊C均值聚类的模拟电路故障诊断
2.
Segmentation of fat and lean meat in beef images based on fuzzy C-means clustering;
基于模糊C均值聚类的牛肉图像中脂肪和肌肉区域分割技术
3.
Brain MR image segmentation based on anisotropic Gibbs random field and fuzzy C-means clustering model;
基于Gibbs场与模糊C均值聚类的脑MR图像分割
6) fuzzy C-means clustering
模糊C-均值聚类
1.
Escaped toll analysis of ETC system customer data based on fuzzy C-means clustering;
基于模糊C-均值聚类的ETC系统客户的逃费分析研究
2.
In order to recognize the pollutant sources and build the correspondence relationships between contaminated sources and important pollutants,a set of intelligent recognizing method based on correspondence factor analysis and fuzzy C-means clustering(short for IRM-CFA&FCM) is developed.
为识别东湖污染物来源,建立排污口与主要致污因子之间的对应关系,提出了污染物来源智能识别方法;该方法巧妙耦合了对应分析、模糊C-均值聚类及聚类有效性函数等方法,并用加速遗传算法有效解决了这一复杂问题。
3.
To improve the accuracy of text clustering,fuzzy c-means clustering based on topic concept sub-space(TCS2FCM) is introduced for classifying texts.
为了改善文本聚类的准确度,提出用基于主题概念子空间的模糊c-均值聚类(TCS2FCM)方法来分类文本。
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