Hierarchical Agglomerative Clusteri

Hierarchical Agglomerative Clustering (HAC) initially assumes
each feature to be a single cluster and then iteratively
merges clusters pairs based on their similarity [20]. HAC
requires a user to specify the stopping criterion and the intracluster
similarity for cluster merging. Moreover, HAC cannot
generate motion clusters of arbitrary shapes that are key for
the problem of motion clustering [26].

ผลลัพธ์ (ไทย) 1:

ลำดับ Agglomerative ทางคลัสเตอร์ (HAC) สันนิษฐานในเบื้องต้นแต่ละคุณลักษณะจะเป็นคลัสเตอร์เดียวและปรับปรุงต้นเวียนกลุ่มคู่ตามความคล้ายคลึงกันของพวกเขา [20] HACกำหนดให้ผู้ใช้ระบุเกณฑ์หยุดและให้ intraclusterความคล้ายคลึงกันสำหรับคลัสเตอร์รวม นอกจากนี้ HAC ไม่สร้างกลุ่มเคลื่อนไหวของรูปร่างโดยพลการที่คีย์สำหรับปัญหาของการเคลื่อนไหวที่ clustering [26]

ผลลัพธ์ (ไทย) 2:

ลำดับชั้น Agglomerative Clustering (HAC) แรกถือว่า
แต่ละคุณลักษณะที่จะเป็นกลุ่มเดียวแล้วซ้ำ
ผสานกลุ่มคู่อยู่บนพื้นฐานของความคล้ายคลึงกันของพวกเขา [20] HAC
ต้องการให้ผู้ใช้เพื่อระบุเกณฑ์การหยุดและ intracluster
คล้ายคลึงกันสำหรับการรวมคลัสเตอร์ นอกจากนี้ HAC ไม่สามารถ
สร้างกลุ่มการเคลื่อนไหวของรูปทรงพลที่มีความสำคัญสำหรับ
ปัญหาของการจัดกลุ่มการเคลื่อนไหว [26]

ผลลัพธ์ (ไทย) 3:

agglomerative การจัดกลุ่มลำดับชั้น ( HAC ) ตอนแรกถือว่าแต่ละคุณลักษณะจะกลุ่มเดียวแล้วซ้ำผสานกลุ่มคู่ตามความคล้ายคลึงกัน [ 20 ] ฮาชต้องให้ผู้ใช้เพื่อระบุเกณฑ์หยุดและ intraclusterความเหมือนกลุ่มรวม นอกจากนี้ มลังเมลืองไม่สามารถสร้างการเคลื่อนไหวในกลุ่มของรูปร่างหนึ่งที่สำคัญสำหรับปัญหาของกลุ่มเคลื่อนไหว [ 26 ]