3D椭圆螺旋数据的垂直聚类
摘要：基于二维几何学，本研究提出了一种有效的三维数据垂直聚类策略，将聚类对象定为被弯曲成椭圆螺旋形状的椭圆横截面金属管，用于健康产业的可穿戴肌肉支撑设计。该方法的目的是最大化表面数据的垂直聚类（垂直分区）能力，以便进行研究[2]中提到的产品评估过程。实验结果证明，该提出的方法比应用传统的三维数据时保持垂直形状的现有阈值聚类数要优越。本研究还提出了一种新的产品测试策略，通过不限制顺序相关测量来提供计算机辅助测试的灵活性，从而对测量过程施加权重。在本研究的实验中使用的聚类算法是自组织映射（SOM）和K-中值算法。
作者：Wasantha Samarathunga, Masatoshi Seki, Hidenobu Saito, Ken Ichiryu, Yasuhiro Ohyama
论文ID：1402.1637
分类：Computational Engineering, Finance, and Science
分类简称：cs.CE
提交时间：2014-02-10