1) soft projected clustering
软投影聚类
2) projective clustering
投影聚类
1.
In order to successfully find the subspaces,Agrawal proposes the conception of projective clustering,converting the data into subspaces with mapping and using another method to find clusters.
为找出有效的子空间,Agrawal等人提出了投影聚类概念,通过映射变换转换到子空间里,然后借助其他方法找到聚类。
2.
In this paper,a new Parzen-Window-based subspace dividing method is given,and accordingly,the new projective clustering algorithm PCPW is proposed.
在此提出了一种新的划分子空间方法——基于Parzen窗子空间划分方法,并在这基础上提出了新的投影聚类方法PCPW。
3) projected clustering
投影聚类
1.
Most of the existing methods perform the projected clustering for gene expression data under the assumption of independence among genes and choose relevant projected space according to individual discriminative score of single gene.
针对现有基因表达数据投影聚类算法假定基因相互独立,根据每个基因的独立区分度选择相关投影空间的不足,提出了根据基因间相互关系进行投影聚类的算法MOLION。
2.
To address the deficiencies of most existing gene clustering algorithms,a novel gene projected clustering algorithm is proposed.
针对现有基因投影聚类算法的不足,提出一种有效的基因投影聚类算法。
4) Projection pursuit classification
投影寻踪聚类
1.
The theory of projection pursuit classification method is introduced.
介绍了投影寻踪聚类模型的基本原理,将粒子群优化算法引入该模型,建立了基于投影寻踪聚类技术的IT项目评标决策模型,通过优化投影指标函数获得最佳投影方向,得到各样本的投影值,从而对各投标方案进行分类与评价,克服了决策中权重赋值的人为干扰。
5) projection pursuit cluster
投影寻踪聚类
1.
This paper is to classify the groundwater regime according to projection function value through turning multi-dimensional data indexes into low-dimensional space by using projection pursuit cluster (PPC) model, and meanwhile optimizing its projection direction by immune evolutionary algorithm (IEA).
针对地下水动态分类问题,采用投影寻踪聚类(PPC)模型,将多维的动态水位数据指标转换到低维子空间,并利用免疫进化算法(IEA)优化其投影方向,根据投影函数值的大小对地下水动态进行合理的分类。
2.
This paper is to classify the water resources system sustainable utilization according to projection function value through transferring multi dimension data indexes into low dimension space by using projection pursuit cluster (PPC) model.
针对水资源系统可持续利用评价问题,采用投影寻踪聚类模型,将多维数据指标转换到低维子空间,并优化其投影方向,根据投影函数值的大小对水资源系统可持续利用的程度进行合理评价。
3.
Projection pursuit cluster (PPC) is the colligation of projection pursuit and unstratified cluster method.
投影寻踪聚类(PPC)是投影寻踪和非分层聚类方法的综合,它同时尝试分类数据和寻找聚类结构的低维有代表性的特征。
补充资料：滤波反投影或卷积反投影
滤波反投影或卷积反投影
影像学术语。当代影像学设备进行影像重建的数学方法。在直接用扫描后所获得的投影轨迹剖面图反投影重建出的CT图像中，无法避免角度卷入条纹伪影(angular aliasing streaks)造成的模糊和失真。这种现象与被扫描层面的空间频率中高频信息的损失有关。使用一种精密的数学方法去除这种模糊。称为“展现”(unfolding)或去卷积(deconvolution)，即在反投影前使用一种数学的“滤器”或卷积函数对原始数据进行修正，然后再进行反投影。两步数学处理过程合称为滤波(修正后)反投影或卷积(后)反投影。这种方法的优点是处理过程简单，速度快，所得图像逼真、清晰。
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