摘要
一种基于连续聚类框架的脑纤维快速聚类算法,包括以下步骤:1)建立纤维集群参数模型,包含纤维集群中心、密度、群内距离和纤维数量4个参数;2)读入一定数量的纤维,通过密度峰值搜索算法初始化参数模型;3)读入新的纤维,与由参数模型表示的纤维集群进行相似度距离计算,根据相似度距离大小将新纤维分配到集群或者置于缓存容器中;4)重复步骤2),同时通过缓存容器阈值判断是否更新参数模型,直至所有纤维都经过分类处理;5)最后对所有参数模型进行密度峰值搜索聚类,结束脑纤维聚类过程。本发明通过参数模型表示纤维集群,以参数模型的形式代表集群中的所有纤维进行纤维相似度计算,最终对所有参数模型进行聚类。