基于法向量区域聚类分割的检测坑点云提取

利用三维激光扫描技术获取堆石坝检测坑表面点云,可以快速计算检测坑体积和堆石坝压实质量,但此技术的关键是从扫描点云数据中准确分割出目标检测坑。提出了一种基于法向量区域聚类分割的检测坑表面点云提取方法:首先通过局部密度法检测得到碾压面外部点P,剩余点则为内部点Q;然后以最小二乘法拟合外部点平面,得到拟合平面法向量与内部点法向量的夹角θ;最后以外部点P作为种子点,逐步扩大搜索区域,直至区域内存在θ大于阈值θ′,即可确定碾压面和检测坑表面的交界,精确提取出检测坑表面点云。利用MATLAB编程实现了检测坑表面点云数据的快速提取,并通过采集3类坝料的检测坑点云数据开展试验,验证了此方法的可行性。研究成果可为类似形状目标点云提取和堆石坝压实质量快速检测提供参考。

基于区域聚类的新疆卫生资源配置均衡性研究

采用系统聚类的方法,根据卫生、人口及经济等指标将新疆分为三类地区,并通过三类地区泰尔指数的测算,对新疆卫生资源配置的均衡性进行分析。结果显示,新疆卫生资源配置总量丰富且逐年增加,但区域分化较为严重,卫生资源主要集中在经济较为发达的一类地区,而三类地区卫生资源配置的总体不均衡性较为突出。在分析的三类卫生资源中,以护士的不公平性为最严重,其次为医师配置,床位的配置不公平程度最小,对泰尔指数进行分解,发现区域间差异是造成新疆卫生资源配置不均衡的主要原因,且差异所占的比重逐年增大。

关系数据库中基于区域聚类的多区域查询优化

针对关系数据库及其应用中多个区域查询的并发处理,提出了一种区域聚类的方法,其基本思路是将多个查询中相近的区域分成若干组,每组构成较大的区域,从较大的区域中检索元组.这种方法避免了多个区域中相同部分的多次访问,减少了数据库I/O操作的次数.对于低维和高维数据,此方法与一一查询的朴素方法相比,其性能都有明显提高.

优化初始中心点的小麦品质区域聚类

为探寻区域性小麦品质聚类的适宜算法,针对经典K-Means(KM)算法对初始聚类中心的敏感问题,以我国主要冬麦区为研究实例,探讨了两种初始中心点改进算法对大规模小麦品质数据集的适应性,综合距离与密度两因素,提出了一种基于密度参数和邻域半径的优化初始中心点小麦品质聚类算法。相对KM算法及文献改进算法,所提算法可较为准确地提取数据集高密度区域的初始中心点,聚类过程及性能对静态簇与非静态簇两种不同迭代方案相对不敏感。实验结果验证了算法的有效性和可行性,在收敛性能及稳定性方面具有一定的优势。

基于区域聚类的查询流处理

提出一种处理区域查询流的新方法。选择并保存一些处理后的查询,将其进行区域聚类,构成较大的区域并检索和保存其元组。对新的查询,尽量使用内存中的元组,以减少对数据库I/O操作次数,进而加快查询速度。该方法对低维和高维数据都有效,实验证明该方法与朴素方法相比,其性能更高。

基于影响因素区域聚类的光伏组件灰尘沉积及其应用研究

从灰尘沉积影响因素的区域差异性分析入手,提出基于影响因素区域聚类和计算流体动力学相结合的灰尘沉积仿真试验研究方法。首先,选取对灰尘沉积影响较大的风速、相对湿度、温度和灰尘浓度4个环境因素对中国大陆进行区域聚类;其次,按区域类别设定灰尘沉积影响条件,将试验设计与Fluent软件仿真分析相结合,研究光伏组件的安装倾角和安装高度与灰尘沉积率的关系;最后通过灰尘沉积对光伏组件发电量的实际值和预测值的比较,验证方法的准确性和有效性,并将结果应用于优化安装参数。研究成果可应用于分区域类别的灰尘沉积的预测和光伏组件安装参数的优化。

基于区域聚类蚁群算法建立电网拓扑研究

提出了基于区域聚类蚁群算法的电网拓扑结构分析方法.该方法利用MATLAB仿真软件建立一个随机拓扑结构.首先是将N个节点随机地投放到一个区域内,然后按照区域聚类的思想把节点分类,以最优路径为前提建立电网拓扑结构模型,最后通过控制论的方法加以验证.该方法建立的电网拓扑模型能扩大到任意标准,而且节点是随机的,各项参数都可以根据需求来随机设置,同时该思想的处理速度快,仿真结果验证了该方法的有效性.

国防交通物资储备区域聚类划分及实证

针对当前国防交通物资储备管理上存在的问题,提出国防交通保障物资储备区域划分总体思路,建立国防交通保障物资区域划分空间聚类模型,并以某战区范围内的铁路交通目标为保障对象,进行实证算例分析,验证所建模型与算法的可行性。实例分析证明:通过聚类的方法将保障目标合理地进行区域划分,有利于提高保障效率、降低成本、提高经济效益。

运用区域聚类法 分析晋中县域经济与财政收入前景

本文将主要运用实证方法。以衡量经济与财政收入（以下简称“收入”）水平若干指标为基础，对山西省晋中11个县（市、区）进行聚类分析，粗略地划分出不同经济与收入的聚类区域。研究的最终目标是为了揭示县域经济与收入在全市框架性坐标参照系中表现出的不同特征．考察各区域经济发展水平、收入能力和对全市的贡献程度。从而为区域经济和收入的发展壮大提供一些建设性建议。

基于超像素分割及区域聚类的单主体图像感兴趣区域提取方法

图像检索是在图像数据库中快速查找用户需求目标图像的有效方法。为了提高图像检索效率,针对单主体图像的感兴趣区域进行研究,提出了一种基于超像素分割与区域聚类相结合的图像感兴趣区域提取方法,首先对所给图像做灰度化处理,对灰度图像进行超像素分割,再对分割后的各超像素进行处理,形成超像素均值矩阵,最后对超像素均值矩阵进行聚类,提出感兴趣区域。此法可快速而精确地提取出图像的感兴趣区域,且相较于其他感兴趣区域提取方法,此算法在提取结果方面更优,感兴趣区域的提取结果更完整。

基于动态网格和分区域聚类的玉米苗带识别算法研究

针对基于计算机视觉的玉米苗带中心线提取受自然环境干扰严重的问题,提出基于6×6动态网格与分区域特征点聚类的玉米行定位算法。首先将获取的玉米苗带图像进行像素归一化,采用改进的过绿特征和最大类间方差法分割玉米苗带与土壤背景,得到二值图像;然后通过动态网格扫描二值图像,获取候选玉米苗带特征点,并对候选玉米苗带特征点采用分区域聚类算法,得到玉米苗带特征点;最后通过最小二乘法对特征点进行线性拟合得到玉米苗带中心识别线。田间试验表明,该算法具有较好的抗干扰性能,能够很好的适应较为复杂的田间环境。玉米苗带识别准确率为93.4%,处理一幅分辨率为1920像素×1024像素的图像平均耗时320 ms。

基于区域生长顺序聚类-RANSAC的水稻苗带中心线检测

为提高水稻苗带中心线检测的适应性和实时性,满足巡田机器人导航的低成本、轻量级计算、高实时性需求,针对水稻苗带中心线检测结果容易受到光照变化和机器震动等原因产生图像噪声影响的问题,该研究以返青期和分蘖初期水稻秧苗为研究对象,提出基于区域生长顺序聚类-随机抽样一致性算法(random sample consensus,RANSAC)的水稻苗带中心线检测方法。首先,对采集的水稻秧苗图像运用归一化超绿特征法(excess green,ExG)和最大类间方差法(Otsu)分割水田背景和秧苗区域,应用先腐蚀后开运算的形态学方法去除秧苗图像噪声点;然后,采用基于水平带的秧苗轮廓质心检测方法提取秧苗特征点,利用区域生长顺序聚类方法将同一秧苗行的特征点聚成一类;最后,通过RANSAC算法拟合苗带中心线,从而得到巡田机器人视觉导航基准线。试验结果表明:该方法对返青期和分蘖初期水稻苗带中心线检测率均在97%以上,比已有YOLOv3算法提高6.12个百分点,比基于区域生长均值漂移聚类算法降低2.41个百分点;平均误差角度为2.34°,比已有YOLOv3算法高1.37°,比基于区域生长均值漂移聚类算法低0.12°,平均每帧图像检测时间为15.53 ms,比已有YOLOv3算法缩短81.19%,比基于区域生长均值漂移聚类算法缩短82.74%,本文方法在保证检测精度的基础上,大幅提升了检测速度,具有良好的适应性和实时性。研究结果可为巡田机器人视觉导航提供参考。

主成份分析及模糊聚类方法在噪声功能区域划分中的应用

一、方法概要 (一)主成份分析法:设有N个样品,每个样品测得P个变量的数值。

基于区域特征聚类的RGBD显著性物体检测

本文根据在显著性检测领域的问题,提出一种基于区域特征聚类的RGBD显著性物体检测算法.首先使用结合深度信息的超像素算法对图片分割,提取分割后每个区域的特征构成特征向量.然后使用十个不同带宽的Mean Shift算法对特征向量聚类得到聚类图,并对十个聚类后的图进行显著性计算.通过神经网络把十个显著性图合并成一个显著性图,并把该显著性图作为一个新特征加到上面提到在特征向量中.继续计算显著性图,直到循环达到十次,输出最终的显著性图.通过实验,在三个RGBD显著性物体数据库中把本算法通过和七个算法进行对比,显示出本算法有更好的性能.

中国教育现代化区域聚类与特征分析

本文采用灰色系统的方法 ,构建两维指标体系 ,对我国各省、直辖市、自治区社会经济和教育现代化水平进行聚类分析 ,初步揭示了各区域教育现代化的不同特征 ,在此基础上 ,提出各区域教育现代化的推进策略 ,为分类指导、分区推进提供实证依据。

基于网约车数据的级联城市区域分析框架研究

针对城市区域的复杂性和多变性,提出了一个级联城市区域分析框架(cascaded urban area analysis framework,CUAAF),用来对城市区域进行时空聚类分析.首先,将城市区域划分为多个地理栅格.其次,采用新的区域时空行为指标(areabehaviorindex,ABI)评估任意2个栅格之间的相关性.接着,用Louvain算法对相应的栅格网络进行分析,得到聚类区域.在得到聚类区域后,可再次将该区域输入CUAAF框架,进行级联分析,得到更多分层信息.级联实验可以采用多种指标分析城市区域,从不同层次了解城市区域,获得更详细的城市区域信息.最后,分别用周中周末的数据做了对比实验,结果显示本文方法具有稳健性和数据敏感性.

分区域聚类的蚁群算法

根据旅行商问题中城市分布的特点,提出了分区域聚类的蚁群算法.首先,对城市分布进行球形聚类,再分别对剩下的城市进行线形聚类和孤立点聚类.采用这样的分区域聚类的蚁群算法收敛速度快,寻求的解更优.实验表明,该算法比基本蚁群算法在求得解更优的同时,速度快3～13倍.

一种聚类区域自适应调整的WSN能耗均衡分簇算法

详细分析LEACH协议,针对LEACH协议随机产生簇头导致网络中出现局部区域簇头分布不均、簇的规模不一、整个网络能耗不均衡、网络寿命缩短等问题,提出了一种聚类区域自适应调整的WSN能耗均衡分簇算法。在算法的选举簇头阶段,将节点剩余能量、备选簇头与邻居簇头的间距相结合作为判据参数;在成簇阶段,将节点预加入的簇头到基站的距离考虑在内,比较多个数据流向,采用节能最优路径策略。仿真结果表明,该协议能够有效均衡网络各节点能耗,显著延长了网络生存时间。

家用空调现场故障率随地理区域分布规律的研究

家用空调的现场故障率有显著的地理区域差异性。为定量研究运行于中国内地的家用空调现场故障率随地理区域分布的规律,首先从售后服务信息中提取关联功能售后故障数据,得到各省级行政区划单位的多重定时截尾数据;其次利用极大似然估计方法对各省级行政区划单位的多重定时截尾数据进行计算,得到其空调现场故障率估计值;最后以某型家用空调为例,基于其售后故障率数据,得到其在中国内地31个省级行政区划单位的现场故障率以及和总体现场故障率之间的关系,并对现场故障率进行区域聚类分析,定量揭示了该型家用空调的故障类型在中国内地随地理区域分布的规律,可有效指导企业针对性地开展可靠性改进活动和制定更为精准的售后维修策略。

一种区域型模糊聚类算法

使用支撑集和模糊待分集的概念来描述数据集的分布,在此基础上提出了一种区域型模糊聚类算法———re-gionalfuzzyclusteringalgorithm。仿真结果表明该算法有比常用的模糊C均值更好的聚类性能。