1) minimum Hausdorff distance under translation
![点击朗读](/dictall/images/read.gif)
基于平移的最小Hausdorff距离
2) minimum Hausdorff distance
![点击朗读](/dictall/images/read.gif)
最小Hausdorff距离
3) minimum translational distance
![点击朗读](/dictall/images/read.gif)
最小平移距离
1.
The problem of minimum translational distance(MTD for short) of convex polyhedra is always an active subfield of computer graphics.
凸多面体的最小平移距离问题一直以来都成为计算机图形学的一个研究热点。
4) mean Hausdorff distance
![点击朗读](/dictall/images/read.gif)
平均Hausdorff距离
1.
Results of experiments show that the new method using both mean Hausdorff distance and mutual information as similarity measures i.
论文提出一种基于多分辩率、多相似度函数以及多优化方法的图像配准框架,并提出新的具体解决方案,用于医学图像配准,并与已有的基于互信息的方法进行分析比较,实验结果显示,使用平均Hausdorff距离和互信息作为相似度度量的新方案在时间和精度的综合评价上有优势。
5) distance-based maximal entropy
![点击朗读](/dictall/images/read.gif)
基于距离的最大熵
6) line Hausdorff distance
![点击朗读](/dictall/images/read.gif)
线段的Hausdorff距离
补充资料:最小距离分类
按照模式与各类代表样本的距离进行模式分类的一种统计识别方法。在这种方法中,被识别模式与所属模式类别样本的距离最小。假定c 个类别代表模式的特征向量用R1,...,Rc表示,x是被识别模式的特征向量,|x-Ri|是x与Ri(i=1,2,...,c)之间的距离,如果|x-Ri|最小,则把x分为第i类。在更复杂的情况下可以用各类的代表样本集合,而不仅仅是用一个样本作为最小距离分类的基础(见近邻法分类)。进行最小距离分类首先要为每个类别确定它的代表模式的特征向量,这是用这种方法进行分类效果好坏的关键。各类代表特征向量可以根据所研究对象的物理、化学、生物等方面的机理来确定,常用的方法是收集各类样本,用各类样本特征向量的平均向量作为各类代表模式的特征向量。其次要选择一种确定的距离度量以计算被识别模式与各类代表模式特征向量之间的距离。常用的距离有欧几里得距离、绝对值距离等。
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