1.基于两阶段密度聚类的红外图像识别方法，其特征在于，包括两个阶段：第一阶段：使用Two‑round‑means算法将原始数据集聚成 块，并形成 个代表点；

第二阶段：使用改进CFDP算法对 块进行聚类；最终每一块中所有节点获得与代表点相同的类标签；

进一步的分为以下四步：

第一步：使用Two‑round‑means算法将大数据集划分成 块；同时选择每一块的虚拟中心作为每一块的代表点，形成 个节点的约简后的数据集 将聚成的 块生成块信息表

第二步：计算核心参数:密度ρi，相邻密度间距离δi和权重γi；

1、计算ρi

ρi＝|bi|   (3)bi代表每一个信息块，|bi|则代表每个信息块中实例的个数；

当前代表点i的密度设置为当前块中所有节点的个数；

2、计算相邻密度间距离δi，上级节点mi，据此构建聚类树；

相邻密度间距离δi为比点ρi密度高且最相近的距离；定义上级节点mi为密度比其大且距离其最近的节点；具体包括以下过程：(1)对密度ρ进行排序；

(2)计算距离；距离指的两个实例之间的欧式距离，或者叫样本间的“距离”；

(3)对于约简后的数据集中任何一个节点xi，在密度比其大的节点中找最近距离；

(4)搜索到的最近距离也就是节点xi的相邻密度间距离δi；

(5)搜索到密度比其大，且距离其最近的这个节点就是其上级节点mi；

3、计算权重参数γi

对约简后的数据集x中的每个节点，计算权重参数γi：γi＝ρi×δi；

第三步：计算聚类中心点，并进行密度聚类；包括以下步骤：(1)计算聚类中心

根据权重参数γi对节点进行排序，一次选择k个中心点；

(2)采用递归的方式进行密度聚类对其他非中心点，用递归的方式，一次获得与其上级相同的类标签；

第四步：完成标记的分配，每一块中所有的节点将获得与代表点相同的类标签。