期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于准稠密匹配的结构化场景三维重建 被引量:7
1
作者 李晓明 秦茜茜 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2011年第5期849-854,共6页
传统的准稠密对应点匹配算法大都是针对一般场景开发的,未考虑场景的结构特点.为此,针对结构化场景提出一种基于平面单应约束的准稠密匹配方法.首先采用基于仿射不变量的方法检测和匹配稀疏平面种子区域,然后根据平面间的几何约束和对... 传统的准稠密对应点匹配算法大都是针对一般场景开发的,未考虑场景的结构特点.为此,针对结构化场景提出一种基于平面单应约束的准稠密匹配方法.首先采用基于仿射不变量的方法检测和匹配稀疏平面种子区域,然后根据平面间的几何约束和对应点相似性约束,利用区域增长的方法实现准稠密扩散匹配.最优种子区域优先扩散策略的应用大大减小了初始错误种子区域对扩散过程的影响,而对不可靠扩散点的后处理也有效地提高了最终三维重建的精度.实验结果表明,相比传统的准稠密匹配方法,对于结构化场景,采用文中方法更加精确和稳定. 展开更多
关键词 准稠密匹配 平面映射 鱼眼图像 三维重建 基于图像的渲染
在线阅读 下载PDF
基于免疫网络和SOM的文本聚类算法研究 被引量:3
2
作者 张立文 徐家宁 +1 位作者 李进 李孝闯 《计算机应用与软件》 CSCD 2010年第5期118-120,124,共4页
文本聚类的核心问题是找到一种优化的聚类算法对文本向量进行聚类,是典型的高维数据聚类,提出一种基于自组织神经网络SOM和人工免疫网络aiNet的两阶段文本聚类算法TCBSA。新算法先用SOM神经网络进行聚类,把高维的文本数据映射到二维的... 文本聚类的核心问题是找到一种优化的聚类算法对文本向量进行聚类,是典型的高维数据聚类,提出一种基于自组织神经网络SOM和人工免疫网络aiNet的两阶段文本聚类算法TCBSA。新算法先用SOM神经网络进行聚类,把高维的文本数据映射到二维的平面上,然后再用aiNet对文本聚类。该方法利用SOM神经网络对高维数据降维的优点,克服了人工免疫网络对高维数据的聚类能力差的缺点。仿真实验结果表明该文本聚类算法不仅是可行的,而且具有一定的自适应能力和较好的聚类效果。 展开更多
关键词 文本聚类 相似度 向量空间模型 人工免疫网络 自组织神经网络
在线阅读 下载PDF
一种基于枢纽现象和加权离群分数的离群数据挖掘算法 被引量:6
3
作者 郭峰 张继福 《小型微型计算机系统》 CSCD 北大核心 2018年第10期2248-2253,共6页
针对高维数据集中出现的枢纽现象,本文给出了一种基于枢纽现象和加权离群分数的离群数据挖掘算法.该算法首先根据逆k近邻中出现的枢纽现象,以及与离群数据的关系,利用k近邻中的距离信息作为权值,对逆k近邻的离群分数进行加权;其次随机... 针对高维数据集中出现的枢纽现象,本文给出了一种基于枢纽现象和加权离群分数的离群数据挖掘算法.该算法首先根据逆k近邻中出现的枢纽现象,以及与离群数据的关系,利用k近邻中的距离信息作为权值,对逆k近邻的离群分数进行加权;其次随机生成区分度阈值,根据该阈值判断区分度比例满意值,并根据满意值计算数据对象的离群程度,选取离群程度最大的若干数据对象作为离群数据;最后采用人工数据集和UCI标准数据集,实验验证了该算法的有效性. 展开更多
关键词 离群挖掘 枢纽现象 逆k近邻 离群分数 满意值
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部