期刊文献+
共找到170篇文章
< 1 2 9 >
每页显示 20 50 100
密度峰值聚类k匿名分布式网络数据隐私保护方法研究
1
作者 郭艳红 《数字通信世界》 2025年第3期41-42,120,共3页
由于分布式网络数据分散在多个节点上,导致数据隐私泄露的概率较大,为此,本文进行了密度峰值聚类k匿名的分布式网络数据隐私保护方法研究。其充分考虑了分布式网络环境自身的特点,引入了分布式k-NN查询算法,以找到其k个最近邻点,同时保... 由于分布式网络数据分散在多个节点上,导致数据隐私泄露的概率较大,为此,本文进行了密度峰值聚类k匿名的分布式网络数据隐私保护方法研究。其充分考虑了分布式网络环境自身的特点,引入了分布式k-NN查询算法,以找到其k个最近邻点,同时保证查询过程以不泄露数据隐私为目标,构建了针对分布式网络数据的k近邻匿名模型;利用密度峰值聚类算法识别具有高局部密度并且与更高密度点的距离较大的数据点作为聚类中心,对k近邻匿名模型中的节点进行聚类,实现数据保护。在测试结果中,设计方法在不同场景中的保护效果最好,对应的数据泄露概率始终稳定在0.2以下。 展开更多
关键词 密度峰值 k匿名 分布式网络 数据隐私保护 分布式k-NN查询算法 k近邻匿名模型 局部密度
在线阅读 下载PDF
基于局部结构自表达的鲁棒演化聚类算法
2
作者 李春忠 鞠文亮 +1 位作者 靖凯立 桂扬 《工程数学学报》 CSCD 北大核心 2024年第6期1006-1020,共15页
聚类是一种无监督学习方法,它通过对样本特征分析度量数据间的相似性和差异性,利用簇内相似性高、簇间差异性大的特性对数据进行自动化分组,被广泛应用于计算机视觉、文本挖掘、生物信息等领域。聚类算法在鲁棒性、普适性、类数选择等... 聚类是一种无监督学习方法,它通过对样本特征分析度量数据间的相似性和差异性,利用簇内相似性高、簇间差异性大的特性对数据进行自动化分组,被广泛应用于计算机视觉、文本挖掘、生物信息等领域。聚类算法在鲁棒性、普适性、类数选择等方面存在提升空间,且算法的效果很大程度上受到数据集密度和流形的影响。提出了基于局部结构自表达的鲁棒演化聚类算法,该算法通过使用径向基函数并加入先验信息获取数据的局部密度差异特征,构建全新的相似性度量,在此过程融入了数据局部结构特征的提取机制和稳定类的识别机制,使聚类具有更好的鲁棒性和普适性。动态演化聚类在这两个方面有着天然的优势,可在动态的聚类过程中持续优化聚类结果,使得聚类效果得到了很大改进。新算法通过数据集结构信息自表达对局部和整体特征进行信息融合,同时在动态的演化过程中监控类的稳定性,从而得到更好的聚类结果。在人工数据集和真实数据集上的实验结果表明,新算法的聚类性能更优越。 展开更多
关键词 相似性度量 相对局部密度 最近邻 自表达
在线阅读 下载PDF
基于类簇合并的无参数密度峰值聚类算法 被引量:1
3
作者 刘天娇 王胜景 袁永生 《现代电子技术》 北大核心 2024年第8期1-8,共8页
密度峰值聚类算法(DPC)通过决策图直观地找到类簇中心进而完成聚类,是一种简单高效的聚类算法。然而,DPC算法的截断距离和类簇中心都是人为确定的,受主观影响较大,具有不确定性。针对上述问题,提出一种基于类簇合并的无参数密度峰值聚... 密度峰值聚类算法(DPC)通过决策图直观地找到类簇中心进而完成聚类,是一种简单高效的聚类算法。然而,DPC算法的截断距离和类簇中心都是人为确定的,受主观影响较大,具有不确定性。针对上述问题,提出一种基于类簇合并的无参数密度峰值聚类算法(NDPCCM)。首先根据样本点两两之间的相似度的分布特征将其分为类内相似度和类间相似度两种类型,并利用类内相似度自动确定截断相似度,避免了人为设置参数;接着根据簇中心权值的下降趋势自动选择初始类簇中心,得到初始类簇;最后通过合并初始类簇对初步聚类结果进行优化,提高了聚类的准确性。在人工数据集和UCI真实数据集上,将所提算法与DPC、DBSCAN、K-means算法进行对比实验。结果表明所提算法无需输入参数就能够自动得到类簇,且聚类性能优于其他算法。 展开更多
关键词 分析 密度峰值算法 初始 簇合并 相似度 性能
在线阅读 下载PDF
基于局部密度构造相似矩阵的谱聚类算法 被引量:14
4
作者 吴健 崔志明 +2 位作者 时玉杰 盛胜利 龚声蓉 《通信学报》 EI CSCD 北大核心 2013年第3期14-22,共9页
依据样本数据点分布的局部和全局一致性特征,提出了一种基于局部密度构造相似矩阵的谱聚类算法。首先通过分析样本数据点的分布特性给出了局部密度定义,根据样本点的局部密度对样本点集由密到疏排序,并按照设计的连接策略构建无向图;然... 依据样本数据点分布的局部和全局一致性特征,提出了一种基于局部密度构造相似矩阵的谱聚类算法。首先通过分析样本数据点的分布特性给出了局部密度定义,根据样本点的局部密度对样本点集由密到疏排序,并按照设计的连接策略构建无向图;然后以GN算法思想为参考,给出了一种基于边介数的权值矩阵计算方法,经过数据转换得到谱聚类相似矩阵;最后通过第一个极大本征间隙出现的位置来确定类个数,并利用经典聚类方法对特征向量空间中的数据点进行聚类。通过人工仿真数据集和UCI数据集进行测试,实验结果表明本文谱聚类算法具有较好的顽健性。 展开更多
关键词 相似矩阵 局部密度 无向图构建 边介数
在线阅读 下载PDF
一种面对雷达信号分选的无参数快速聚类算法
5
作者 彭泽宇 束坤 《舰船电子对抗》 2025年第2期52-57,共6页
针对基于密度的噪声应用空间聚类(DBSCAN)算法在雷达信号预分选中需要人为设置聚类参数、对密度分布不均雷达信号聚类准确度低、计算复杂度高的问题,提出了一种基于粒子群算法和网格划分的无参数快速聚类(GPSO-DBSCAN)算法。该算法通过... 针对基于密度的噪声应用空间聚类(DBSCAN)算法在雷达信号预分选中需要人为设置聚类参数、对密度分布不均雷达信号聚类准确度低、计算复杂度高的问题,提出了一种基于粒子群算法和网格划分的无参数快速聚类(GPSO-DBSCAN)算法。该算法通过粒子群算法自适应获得DBSCAN聚类最优参数,通过网格划分和分级聚类增强了对密度分布不均雷达信号的聚类能力,并降低了计算复杂度,实现了准确、快速聚类。仿真结果表明,该算法能够自适应、准确快速完成密度分布不均雷达信号的聚类。 展开更多
关键词 雷达信号分选 基于密度的噪声应用空间算法 无参数 粒子群算法 网格单元
在线阅读 下载PDF
基于密度增量聚类的无线电频谱实时监测方法研究
6
作者 曹人予 《长江信息通信》 2025年第2期149-151,共3页
文章提出一种基于密度增量聚类的无线电频谱实时监测方法。该方法通过设计自适应密度阈值的增量聚类算法,实现对5G/6G场景下高速流动频谱数据的智能分析。系统采用“边缘-云端”混合架构,结合深度学习技术实现信号特征提取和自动分类。... 文章提出一种基于密度增量聚类的无线电频谱实时监测方法。该方法通过设计自适应密度阈值的增量聚类算法,实现对5G/6G场景下高速流动频谱数据的智能分析。系统采用“边缘-云端”混合架构,结合深度学习技术实现信号特征提取和自动分类。实验结果表明,在典型5G应用场景中,该方法较传统DBSCAN算法的聚类准确率提升20%以上,处理延迟降低至亚毫秒级,为复杂电磁环境下的频谱资源智能化管理提供了新的技术方案。 展开更多
关键词 密度增量 算法 无线电通信技术 频谱监测方法
在线阅读 下载PDF
基于密度聚类算法和广度优先搜索算法的道岔摩擦电流智能分析系统
7
作者 邱晓莉 韩思远 +1 位作者 熊庆 余东 《城市轨道交通研究》 北大核心 2024年第4期114-118,共5页
[目的]现场的道岔摩擦电流测试与调整存在流程繁琐且风险高、对检修人员专业水平要求高、测定数值的主观性占比大3个弊端,为此需要基于各类智能算法及技术提升道岔的智能运维水平。[方法]分析了道岔摩擦电流测试曲线4个阶段的特征,提出... [目的]现场的道岔摩擦电流测试与调整存在流程繁琐且风险高、对检修人员专业水平要求高、测定数值的主观性占比大3个弊端,为此需要基于各类智能算法及技术提升道岔的智能运维水平。[方法]分析了道岔摩擦电流测试曲线4个阶段的特征,提出建立道岔摩擦电流的智能分析系统。阐述了该系统的功能及工作原理,设定了该系统的摩擦电流标准值及阈值范围。该系统可基于密度聚类算法和广度优先搜索算法自动获取道岔摩擦电流值。介绍了该系统的调试界面截图,以说明系统在获取道岔摩擦电流值如何为现场检修人员提供操作建议。[结果及结论]该智能系统具有良好的可用性,实现了节约检修时间、降低维护成本和提高检修效率的既定目的。 展开更多
关键词 城市轨道交通 信号 智能运维 道岔转辙机 摩擦电流 密度算法 广度优先搜索算法
在线阅读 下载PDF
反距离加权和微簇合并的密度峰值聚类算法
8
作者 范强 吕莉 +3 位作者 邱日轩 崔希 张宸源 樊棠怀 《南昌工程学院学报》 2024年第6期43-50,90,共9页
密度峰值聚类算法不需要进行复杂的迭代计算,具有高的计算效率。但在聚类流形数据时,不能准确找到聚类中心且分配剩余样本时易引发样本的连续误分配。针对上述缺陷,提出了一种基于反距离加权和微簇合并的密度峰值聚类(DPC-IDW-MCM)算法... 密度峰值聚类算法不需要进行复杂的迭代计算,具有高的计算效率。但在聚类流形数据时,不能准确找到聚类中心且分配剩余样本时易引发样本的连续误分配。针对上述缺陷,提出了一种基于反距离加权和微簇合并的密度峰值聚类(DPC-IDW-MCM)算法。该算法结合样本的K近邻信息计算近邻密度,再引入反距离加权系数重新定义样本的局部密度,能更好地适应流形数据的结构特征,使算法更准确地找到类簇中心;同时定义微簇间相似性度量准则,将相似性高的微簇合并为类簇,有效避免了样本的误分配。将DPC-IDW-MCM算法与5种聚类算法在流形数据集和UCI数据集上进行了对比实验。实验结果表明,DPC-IDW-MCM算法在综合性能方面优于上述5种对比算法。 展开更多
关键词 流形数据 反距离加权 局部密度 微簇合并
在线阅读 下载PDF
结合灰狼优化算法和动态邻域的三支密度峰值聚类算法
9
作者 陈沛琦 黄春梅 《长江信息通信》 2024年第1期70-73,77,共5页
针对密度峰值聚类算法聚类效果受截断距离dc的取值影响较大以及传统二支聚类处理不确定数据强制划分带来的决策错误,提出结合灰狼优化算法和动态邻域的三支密度峰值聚类算法。首先,为解决截断距离dc的选取难问题,将聚类内部指标Silhoue... 针对密度峰值聚类算法聚类效果受截断距离dc的取值影响较大以及传统二支聚类处理不确定数据强制划分带来的决策错误,提出结合灰狼优化算法和动态邻域的三支密度峰值聚类算法。首先,为解决截断距离dc的选取难问题,将聚类内部指标Silhouette指标作为目标函数,利用灰狼优化算法(GWO)的全局寻优能力求解最优的截断距离dc;为了使不确定数据的划分更加合理,结合动态邻域的思想,利用K近邻算法将二支聚类结果转化为三支聚类结果。通过在人工数据集以及UCI真实数据集的实验验证,该算法的聚类精度和总体性能优于其他5种对比算法。 展开更多
关键词 密度峰值 灰狼优化算法 三支 截断距离
在线阅读 下载PDF
启发式k-means聚类算法的改进研究 被引量:2
10
作者 殷丽凤 栗庆杰 《大连交通大学学报》 CAS 2024年第2期115-119,共5页
启发式k-means聚类算法通过在k-means第一次迭代后查看附近的集群来预测每个数据点可能会被划分到的集群子集,有效地加快了算法的运行速度。但由于启发式算法存在随机选择初始聚类中心以及无法有效识别数据集中离群点的缺陷,导致聚类结... 启发式k-means聚类算法通过在k-means第一次迭代后查看附近的集群来预测每个数据点可能会被划分到的集群子集,有效地加快了算法的运行速度。但由于启发式算法存在随机选择初始聚类中心以及无法有效识别数据集中离群点的缺陷,导致聚类结果的误差平方和较大并且轮廓系数偏小。针对这一问题,提出了CHk-means算法,该算法引入仔细播种方法,克服了启发式k-means算法随机选择初始聚类中心带来的局部最优解问题;该算法引入局部异常因子LOF算法对离群点进行检测,降低了离群点数据对聚类结果的影响。在多个数据集上对3种算法进行对比试验,结果表明CHk-means算法可有效降低聚类结果的误差平方和,增强聚类的轮廓系数,使聚类质量得到明显改善。 展开更多
关键词 算法 K-MEANS 启发式算法 仔细播种 局部异常因子 离群点
在线阅读 下载PDF
基于改进力导向模型和局部密度的聚类算法 被引量:1
11
作者 刘风剑 刘向阳 《信息技术》 2019年第10期51-54,58,共5页
在没有先验知识的前提下,聚类是分析样本集中不同类簇的有效方式。文中提出了一种基于改进力导向模型的聚类算法。为实现样本数据预处理的类内聚集和类间分离效果,设计了基于样本点局部密度和样本间距离的吸引力计算方法、基于样本点近... 在没有先验知识的前提下,聚类是分析样本集中不同类簇的有效方式。文中提出了一种基于改进力导向模型的聚类算法。为实现样本数据预处理的类内聚集和类间分离效果,设计了基于样本点局部密度和样本间距离的吸引力计算方法、基于样本点近邻连通图中边的介数的排斥力计算方法。实验结果表明,文中算法能够使得类内样本点更加聚集、类间样本点更加分离,可以有效地提高聚类的正确率。 展开更多
关键词 力导向模型 局部密度 边介数
在线阅读 下载PDF
面向流形数据的测地距离与余弦互逆近邻密度峰值聚类算法 被引量:13
12
作者 赵嘉 王刚 +1 位作者 吕莉 樊棠怀 《电子学报》 EI CAS CSCD 北大核心 2022年第11期2730-2737,共8页
密度峰值聚类算法倾向在球形分布数据中选择密度峰值,而流形数据多呈非球形分布,导致不能准确找到数据的类簇中心.该算法的分配策略优先对类簇中心附近的样本进行链式分配,而流形数据大量样本远离其类簇中心,导致本应属于同一类簇的样... 密度峰值聚类算法倾向在球形分布数据中选择密度峰值,而流形数据多呈非球形分布,导致不能准确找到数据的类簇中心.该算法的分配策略优先对类簇中心附近的样本进行链式分配,而流形数据大量样本远离其类簇中心,导致本应属于同一类簇的样本被错误分配.为此,本文提出一种面向流形数据的测地距离与余弦互逆近邻密度峰值聚类算法.将K近邻与测地距离结合并重新定义局部密度,凸显密度峰值与非密度峰值的差异,准确找到类簇中心;将互逆近邻和余弦相似性相结合,得到基于余弦互逆近邻的样本相似度矩阵,为流形类簇准确分配样本.实验结果表明,本算法能有效发现流形数据集的几何形状并准确聚类,对真实数据集和图像数据集的聚类效果优秀. 展开更多
关键词 密度峰值 K近邻 互逆近邻 局部密度 分配策略
在线阅读 下载PDF
基于密度峰值聚类算法的模态参数识别 被引量:10
13
作者 王飞宇 胡志祥 黄潇 《振动与冲击》 EI CSCD 北大核心 2019年第2期172-178,共7页
稀疏成分分析是解决欠定盲源分离问题的一种有效方法,其主要分为两步:计算振型矩阵和重构单模态信号。在计算振型矩阵时,针对无法预知源信号数量和高阶振动模态混叠的问题,利用一种基于密度峰值聚类算法识别模态振型。相比于传统的聚类... 稀疏成分分析是解决欠定盲源分离问题的一种有效方法,其主要分为两步:计算振型矩阵和重构单模态信号。在计算振型矩阵时,针对无法预知源信号数量和高阶振动模态混叠的问题,利用一种基于密度峰值聚类算法识别模态振型。相比于传统的聚类算法,该方法具有以下特点:①利用决策图直观地选出聚类中心和聚类数目;②算法可以自动分离噪声点,对噪声不敏感。在重构单模态信号时,利用可以快速重构稀疏信号的SL0算法,重构出单模态时频域信号,提取出各阶模态频率。通过振动结构仿真算例验证了该方法的有效性。 展开更多
关键词 模态分析 稀疏成分分析 密度峰值(DPCA) SL0算法
在线阅读 下载PDF
近邻密度分布优化样本分配的改进DPC聚类算法 被引量:3
14
作者 纪霞 张涛 +2 位作者 朱建磊 刘诗诚 李学俊 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2019年第2期98-105,共8页
DPC算法是一种能够自动确定类簇数和类簇中心的新型密度聚类算法,但在样本分配策略上存在聚类质量不稳定的缺陷.其改进算法KNN-DPC虽然具有较好的聚类效果,但效率不高而影响实用.针对以上问题,文中提出了一种近邻密度分布优化的DPC算法... DPC算法是一种能够自动确定类簇数和类簇中心的新型密度聚类算法,但在样本分配策略上存在聚类质量不稳定的缺陷.其改进算法KNN-DPC虽然具有较好的聚类效果,但效率不高而影响实用.针对以上问题,文中提出了一种近邻密度分布优化的DPC算法.该算法在DPC算法搜索和发现样本的初始类簇中心的基础上,基于样本的密度分布采用两种样本类簇分配策略,依次将各样本分配到相应的类簇.理论分析和在经典人工数据集以及UCI真实数据集上的实验结果表明:文中提出的聚类算法能快速确定任意形状数据的类簇中心和有效地进行样本类簇分配;与DPC算法和KNN-DPC算法相比,文中算法在聚类效果与时间性能上有更好的平衡,聚类稳定性高,可适用于大规模数据集的自适应聚类分析. 展开更多
关键词 DPC算法 近邻 密度分布
在线阅读 下载PDF
基于视觉原理的密度聚类算法 被引量:5
15
作者 王伟东 芦金婵 张讲社 《工程数学学报》 CSCD 北大核心 2005年第2期349-352,共4页
在模式识别、图像处理、聚类分析等领域,人的眼睛具有快速有效地组织并发现物体内部结构的自然能力,本文就是在模拟人类视觉系统这一功能的基础上,结合基于密度的聚类方法提出了一种新的聚类算法,该算法具有对初始化参数不敏感、能发现... 在模式识别、图像处理、聚类分析等领域,人的眼睛具有快速有效地组织并发现物体内部结构的自然能力,本文就是在模拟人类视觉系统这一功能的基础上,结合基于密度的聚类方法提出了一种新的聚类算法,该算法具有对初始化参数不敏感、能发现任意形状的聚类及能找到最优聚类等优点。 展开更多
关键词 视觉系统 分析 基于密度算法
在线阅读 下载PDF
基于密度和聚类指数改进的K-means算法 被引量:10
16
作者 毛秀 冒纯丽 丁岳伟 《电子科技》 2015年第11期47-50,64,共5页
传统K-means算法中,随机选择到的初始聚类中心不同会得到不一样的簇类,人工给定的k值与实际聚类数较难达到一致,针对这些问题,文中提出了基于密度和聚类指数改进的K-means聚类算法。根据密度获取高密度集HP,从此集合中选择相互之间距离... 传统K-means算法中,随机选择到的初始聚类中心不同会得到不一样的簇类,人工给定的k值与实际聚类数较难达到一致,针对这些问题,文中提出了基于密度和聚类指数改进的K-means聚类算法。根据密度获取高密度集HP,从此集合中选择相互之间距离最大的两对对象均值当成第一轮聚类的聚类中心,新的聚类中心可通过最大距离积法获取,并参考聚类指数确定合适的k值。通过进行实验确认了该算法有较高的准确性和有效性。 展开更多
关键词 K-均值算法 初始中心 密度 最大距离积法 指数
在线阅读 下载PDF
面向标注的局部中心度传播聚类算法 被引量:1
17
作者 宗瑜 金萍 +1 位作者 徐贯东 郭有强 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2013年第4期499-504,共6页
现有的标注聚类算法大多采用传统的K-means或Single-linkage算法对标注数据直接聚类,但是K-means或Sin-gle-linkage本身固有的缺陷严重影响了聚类结果的质量.给出了一种局部中心度传播聚类算法LCIPC(local centrality in-formation pass... 现有的标注聚类算法大多采用传统的K-means或Single-linkage算法对标注数据直接聚类,但是K-means或Sin-gle-linkage本身固有的缺陷严重影响了聚类结果的质量.给出了一种局部中心度传播聚类算法LCIPC(local centrality in-formation passing clustering),该算法首先在标注相似度的基础上建立标注数据的KNN有向邻居图G;然后利用核密度估计方法计算每个标注的局部中心度;再通过随机游走方法在图G中传播局部中心度,以产生全局中心度等级;最后,调用图深度优先搜索算法发现标注聚类结果.在3个真实数据集上的聚类结果显示,LCIPC算法具有够获得高质量标注聚类结果的能力. 展开更多
关键词 标注 KNN 有向图 密度 局部中心
在线阅读 下载PDF
基于局部线性嵌入的半监督仿射传播聚类算法 被引量:3
18
作者 赵小强 谢亚萍 《兰州理工大学学报》 CAS 北大核心 2015年第1期96-100,共5页
针对运用半监督仿射传播聚类算法处理高维数据时聚类精度低和计算量大的问题,提出一种基于局部线性嵌入的半监督仿射传播聚类算法.该算法首先通过LLE算法将高维输入数据集映射到低维空间得到低维数据集,计算低维数据集的相似度矩阵,再... 针对运用半监督仿射传播聚类算法处理高维数据时聚类精度低和计算量大的问题,提出一种基于局部线性嵌入的半监督仿射传播聚类算法.该算法首先通过LLE算法将高维输入数据集映射到低维空间得到低维数据集,计算低维数据集的相似度矩阵,再用半监督算法调整相似度矩阵,最后用仿射传播聚类算法对低维数据进行聚类分析.仿真结果表明,本文提出的算法与半监督仿射传播聚类算法相比,在处理高维数据时聚类效果更好,精度更高,迭代次数更少. 展开更多
关键词 数据挖掘 半监督 仿射传播 局部线性嵌入算法
在线阅读 下载PDF
基于网格密度的聚类算法研究 被引量:3
19
作者 冯涛 崔炳德 《煤炭技术》 CAS 北大核心 2012年第3期228-229,共2页
随着互联网以及计算机技术的不断发展,现实中所需要研究数据的数量不断增长,如何更好的将所要研究的数据进行有效划分,进而降低维度或者是降低数据量成为了数据挖掘研究的热点。针对传统聚类算法的缺点,提出了基于网格密度的聚类算法,... 随着互联网以及计算机技术的不断发展,现实中所需要研究数据的数量不断增长,如何更好的将所要研究的数据进行有效划分,进而降低维度或者是降低数据量成为了数据挖掘研究的热点。针对传统聚类算法的缺点,提出了基于网格密度的聚类算法,能够提高数据运算速度并且有效解决了边界模糊的问题。 展开更多
关键词 网格 密度 算法
在线阅读 下载PDF
基于规范化的B样条密度模型的聚类算法 被引量:2
20
作者 刘哲 谭振江 王洪君 《吉林大学学报(信息科学版)》 CAS 2013年第5期522-527,共6页
针对有参混合模型的聚类算法需要假设模型为某种已知的参数模型,存在模型不匹配及非参数正交多项式密度估计不是概率密度函数的问题,提出了一种基于规范化的B样条密度模型的图像聚类算法。通过构建基于规范化的B样条密度函数的非参数混... 针对有参混合模型的聚类算法需要假设模型为某种已知的参数模型,存在模型不匹配及非参数正交多项式密度估计不是概率密度函数的问题,提出了一种基于规范化的B样条密度模型的图像聚类算法。通过构建基于规范化的B样条密度函数的非参数混合模型,利用非参数B样条期望最大(NNBEM:Non-parametric B-spline Expectation Maximum)算法估计密度模型的未知参数,并根据贝叶斯准则实现图像的聚类。该方法不需要对模型做任何假设,可有效克服有参混合模型与实际数据分布不一致问题。对模拟图像和真实图像数据进行仿真的结果表明,规范化的B样条密度模型的聚类算法比其他算法具有更好的聚类性能。 展开更多
关键词 计算机图象处理 算法 B样条密度函数 混合模型 贝叶斯准则
在线阅读 下载PDF
上一页 1 2 9 下一页 到第
使用帮助 返回顶部