-
题名一种高效的全局K-均值算法
被引量：1
- 1
-
-
作者
梁鲜
曲福恒
杨勇
才华
-
机构
长春理工大学计算机科学技术学院
长春理工大学电子信息工程学院
-
出处
《长春理工大学学报（自然科学版）》
2015年第3期112-115,共4页
-
文摘
针对全局K-均值算法时间复杂度大的问题,提出一种增量选择初始聚类中心的新方法。选择数据集中周围分布最密集的样本作为第一个初始聚类中心,选择最小化目标函数贡献大,并且和已有聚类中心距离远的样本作为下一个初始聚类中心。改进算法减少了增量选取初始聚类中心时的计算量,降低了时间复杂度。实验证明,改进算法与全局K-均值算法、快速全局K-均值算法相比,在不影响聚类效果的基础上,减少了聚类时间,与优化初始聚类中心的算法相比,聚类效果更优。
-
关键词
聚类
k-均值算法
全局k-均值算法
快速全局k-均值算法
-
Keywords
clustering
k-means algorithm
global k-means algorithm
fast global k-means algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名融合改进PSO和K-调和均值的混合聚类算法
被引量：2
- 2
-
-
作者
余亮
曾勍炜
石永革
肖异瑶
-
机构
南昌大学信息工程学院
南昌大学网络中心
-
出处
《南昌大学学报（工科版）》
CAS
2017年第2期184-189,共6页
-
基金
国家自然科学基金资助项目(61262049)
江西省科技厅科学技术研究资助项目(2014ZBBE50008)
-
文摘
为了提高聚类算法的全局搜索能力,提出了一种融合改进的粒子群算法(IPSO)和K-调和均值聚类(KHM)的混合聚类算法(IPSO-KHM)。该算法为了改进PSO算法容易陷入局部最优的缺点,提出了一种粒子突变策略,根据粒子分布密集程度及粒子在当前最优值附近的相对分布位置,通过移动低效粒子使之远离当前局部最优值,从而提高粒子全局搜索的效率,避免陷入局部最优。实证分析结果表明:IPSO-KHM算法的聚类效果、收敛速度、分类精度等性能优于其他算法。
-
关键词
聚类分析
全局搜索
改进粒子群算法
k-调和均值聚类算法
-
Keywords
clustering analysis
global search
improved particle swarm optimization algorithm
k-harmonic means algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于PNN的退化交通标志图像的识别算法研究
被引量：10
- 3
-
-
作者
李伦波
马广富
-
机构
哈尔滨工业大学控制科学与工程系
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2008年第7期1703-1707,共5页
-
基金
高等学校博士学科点专项科研基金(20050213010)
国家自然科学基金(60674101)资助课题
-
文摘
为了识别退化的交通标志图像,该文采用一种新的特征提取算法。该算法在处理图像退化问题时,采用模糊-仿射联合不变矩直接提取图像的特征,从而避免了需要较大计算量的图像复原处理过程。针对各阶模糊-仿射联合不变矩数量级差异较大问题,提出一种数量级标准化算法。在深入分析PNN与K-means聚类算法的基础上,提出采用全局K-均值算法优化设计概率神经网络分类器,并将其用于交通标志图像的分类识别。仿真结果表明:模糊-仿射联合不变矩是一种有效的处理退化交通标志图像的方法,所设计的概率神经网络分类器不仅具有精简的结构而且具有较好的推广性能。
-
关键词
模式识别
概率神经网络
交通标志
模糊-仿射联合不变矩
全局k-均值算法
-
Keywords
Pattern recognition
Probabilistic Neural Networks （PNN）
Traffic sign
Combined Blur-AffineInvariants （CBAIs）
Global k-means algorithm
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进的子类判决分析的SAR目标特征提取与识别
被引量：4
- 4
-
-
作者
胡利平
刘宏伟
吴顺君
-
机构
西安电子科技大学雷达信号处理重点实验室
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2009年第9期2264-2268,共5页
-
基金
教育部长江学者和创新团队支持计划(IRT0645)
国家自然科学基金(60772140)资助课题
-
文摘
针对大多文献中假设合成孔径雷达(SAR)数据服从单模分布带来的问题,该文提出改进的子类判决分析(ICDA),它假设SAR目标数据服从更合理更实际的多模分布。首先采用快速全局k-均值聚类算法找到每类目标的子类划分,然后基于子类判决分析(CDA)准则寻找最优的投影矢量,使得投影后不同类别的子类样本之间距离最大而每个子类内部的样本散布最小。用美国运动和静止目标获取与识别(MSTAR)计划录取的SAR地面静止目标数据的实验结果表明,ICDA可获得较好的对真实目标的分类性能和对干扰目标的拒判能力。
-
关键词
合成孔径雷达
自动目标识别
子类判决分析
快速全局k-均值聚类算法
-
Keywords
Synthetic Aperture Radar（SAR）
Automatic Target Recognition（ATR）
Clustering-based Discriminant Analysis（CDA）
Fast global k-means clustering algorithm
-
分类号
TN957.52
[电子电信—信号与信息处理]
-
