期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
混合测量子空间聚类算法的研究 被引量:2
1
作者 金利英 赵升吨 《西安交通大学学报》 EI CAS CSCD 北大核心 2018年第3期139-144,167,共7页
针对闵可夫斯基子空间聚类算法对特征权重分配的问题,提出了一种混合测量子空间聚类算法(iMWK-HD),以实现调节特征权重因子和提高算法性能的目的。利用闵可夫斯基距离与余弦相结合的混合测量来分配特征权重,构造新的目标函数;在聚类迭... 针对闵可夫斯基子空间聚类算法对特征权重分配的问题,提出了一种混合测量子空间聚类算法(iMWK-HD),以实现调节特征权重因子和提高算法性能的目的。利用闵可夫斯基距离与余弦相结合的混合测量来分配特征权重,构造新的目标函数;在聚类迭代过程中,采用智能K-means进行初始化来解决选择正确类数的问题;根据新的目标函数,使用拉格朗日乘子法求解新的隶属度和特征权重更新公式,使类中心更加稳定,从而促进特征空间转换,获取数据集最优聚类结果。采用UCI数据集设计了对比实验,实验结果表明,iMWK-HD算法优于iK-means、iWK-means、iMWK-means这3个现有的聚类算法,所提算法能有效提升聚类精确度和聚类结果的稳定性。 展开更多
关键词 闵氏距离 子空间聚类算法 特征权重 混合测量
在线阅读 下载PDF
子空间聚类算法在高维数据异常检测中的应用
2
作者 周冬 苏勇 黄烨 《信息技术》 2013年第3期168-171,共4页
传统异常检测技术是基于距离和密度的,快速的异常检测算法过分依赖于索引结构或网格划分,在低维数据上有很好的效果;面对高维数据的稀疏性、空空间现象等特性,索引结构失效,网格划分的数目呈指数级增长,传统算法性能下降;文中采用信息... 传统异常检测技术是基于距离和密度的,快速的异常检测算法过分依赖于索引结构或网格划分,在低维数据上有很好的效果;面对高维数据的稀疏性、空空间现象等特性,索引结构失效,网格划分的数目呈指数级增长,传统算法性能下降;文中采用信息熵确定高维数据异常子空间,在异常子空间上使用DBSCAN聚类算法,在高维数据异常检测中表现出较好的性能。 展开更多
关键词 高维数据 信息熵 异常检测 子空间聚类算法
在线阅读 下载PDF
基于新的距离度量的异构属性数据子空间聚类 被引量:3
3
作者 邓秀勤 郑丽苹 +1 位作者 张逸群 刘冬冬 《郑州大学学报(工学版)》 CAS 北大核心 2023年第2期53-60,共8页
真实数据集中往往包含分类属性和数值属性,其中分类属性可分为有序属性和标称属性,同时具有分类属性和数值属性的数据集可称为异构属性数据。针对现有异构属性数据距离度量不区分分类属性中的有序属性导致信息缺失、聚类效果不理想这一... 真实数据集中往往包含分类属性和数值属性,其中分类属性可分为有序属性和标称属性,同时具有分类属性和数值属性的数据集可称为异构属性数据。针对现有异构属性数据距离度量不区分分类属性中的有序属性导致信息缺失、聚类效果不理想这一问题,提出了一种基于新的距离度量的异构属性数据子空间聚类算法。首先,总结了现有的异构属性数据距离度量的思路和区分有序属性的解决方案;其次,利用不同属性的数据特征分别定义了有序属性、标称属性和数值属性下的属性值之间的距离公式;再次,利用簇间差异和簇内距离这2个因素分别给出了不同属性在聚类过程中的动态加权方案;最后,联立距离公式和加权机制得到了可适用于异构属性数据的距离度量,进而设计了一种基于新的距离度量的异构属性数据子空间聚类算法。由于该算法既统一了异构属性数据的距离度量又能在子空间中进行簇搜索,因此该算法能在异构属性数据集上取得良好的聚类效果,在11个真实数据集上的对比实验结果验证了此算法的有效性。 展开更多
关键词 异构属性数据 有序属性 距离度量 子空间聚类算法 动态权重
在线阅读 下载PDF
双粒度光流流形学习的刮刷总成摆杆摆幅检测
4
作者 郑思凡 王卫星 +2 位作者 何占华 梁子裕 陈平平 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2020年第1期123-132,共10页
在基于机器视觉检测的客运车辆日趟故障安全例检自动化设计中,针对子空间聚类算法对汽车刮刷总成摆杆摆幅检测中因玻璃复杂背景导致光流轨迹过于稀疏的缺陷,提出了一种双粒度光流流形学习的汽车刮水器总成主副摆杆运动分割算法。首先将... 在基于机器视觉检测的客运车辆日趟故障安全例检自动化设计中,针对子空间聚类算法对汽车刮刷总成摆杆摆幅检测中因玻璃复杂背景导致光流轨迹过于稀疏的缺陷,提出了一种双粒度光流流形学习的汽车刮水器总成主副摆杆运动分割算法。首先将摆杆满幅等长LDOF变分光流轨迹作为粗粒度光流进行稀疏子空间聚类,获得可靠的种子样本;然后通过构建稠密细粒度光流与粗粒度光流的轨迹时空相似度流形拓扑图,并在图上利用调和函数将种子轨迹样本邻接节点标签凸松弛为高斯随机场进行半监督标签扩散,从而获得稠密的雨刮运动区域,以便进一步做RANSAC直线拟合和摆角计算;最后,将该算法模块经过ocx插件封装后以回调函数体的形式嵌入客运站的车辆跟踪模块进行同步,并在客运站现场采集了6种不同照度下4种车型共153车次的进站安检视频,用于分析比较同步后的两种粒度流形学习算法对摆杆的运动分割后直线拟合误差与摆角误差。实验结果表明:本算法对运动摆杆的拟合与其摆角计算的精确率均可以达到85%以上,具有进一步推广应用前景。 展开更多
关键词 机器视觉检测 子空间聚类算法 双粒度光流流形学习 变分光流 时空相似度流形拓扑图 高斯随机场 调和函数
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部