由于K-means 聚类方法对遥感图像进行分类时，对训练样本的选取依赖性很大，容易陷入局部最优的陷阱的情况，本文提出利用模拟退化算法对K-means 的聚类进行优化以获得 全局最优解的分类新方案。并以多波段影像为例进行验证分析，结果表明该方法可行，收敛 结果优于K-means 聚类算法，分类精度相对传统的K-means 算法更高。-Because K-means clustering classification depend on the training sample selecti

用MATLAB实现动态聚类或迭代自组织数据分析，旋转机械二维全息谱计算，粒子图像分割及匹配均为自行编制的子例程。- Using MATLAB dynamic clustering or iterative self-organizing data analysis, Rotating machinery 2-d holographic spectrum calculation, Particle image segmentation and matching subroutines themse

dbscan聚类考虑特征相似度的具有噪声的基于密度的聚类(DBSCAN)改进算法. 其次,基于各类参数向量簇的各属性最大相似系数,计算获得各类参数向量簇的典型特征向量. 然后,基于各类的典型 特征向量,针对聚类结果中的噪声簇,提出了基于离群系数的可疑不良数据分布模型 在此基础上,结合分布规律,提出了基于可疑度的不良参数判别方法. 最后,通过实际算例验证了所述模型与方法的有效性.-Dbscan u806A u8003 u8651 u7279 u5F1 u7F8 u4F3C u5