人機交互項目管理知識分析論文定位(DOC 8頁)

人機交互項目管理知識分析論文定位(DOC 8頁)目錄：

1、KMEANS算法的簡介
2、改良型KMEANS算法模型的建立
3、實用範圍和不足改進的地方
4、實驗結果及結論

人機交互項目管理知識分析論文定位(DOC 8頁)簡介：

2.2.1 基於密度算法來確定實際聚類個數
在特征點集合類，以點的密度劃分，先求出實際具體幾類和給出初始樣本集合重心點坐標（注：初始樣本集合重心點坐標是隨機的）
見流程模型1--5
2.2.1 KMEANS算法的改良聚類程序
以KMEANS方法聚類，采用最大半徑閾值和最小半徑閾值互相加於約束。在前一給定的聚類個數條件下，對實際目標開始聚類。標記樣本特征點集合。
2.2.1 消除雜點和二次聚類完成相似性數據合並
對一些邊緣雜點和實際數量很少的點加以去除。

3實用範圍和不足改進的地方
1．本次聚類默認考慮的都是雙手在胸前的人體行為方式。
2．無法識別是一隻手在前還是兩隻手在前，算法統一計算為兩個點輸出。
3．本算法對深度閾值敏感。如果手臂的深度值過小，就會造企業管理體其它範圍閾值增加。導致雜點過多。導致計算失敗
4．對雙手無限靠近和雙手互為自遮蔽現象，會導致計算有偏差。

..............................