高效率的K-means最佳聚类数确定算法

针对K-means聚类算法通常无法事先设定聚类数,而人为设定初始聚类数目容易导致聚类结果不够稳定的问题,提出一种新的高效率的K-means最佳聚类数确定算法。该算法通过样本数据分层来得到聚类数搜索范围的上界,并设计了一种聚类有效性指标来评价聚类后类内与类间的相似性程度,从而在聚类数搜索范围内获得最佳聚类数。仿真实验结果表明,该算法能够快速、高效地获得最佳聚类数,对数据集聚类效果良好。

采用小波脊系数幅值导数方差质量图的相位展开法

针对小波变换轮廓术中相位无法快速准确展开的问题,提出了一种能有效抑制噪音的相位展开算法.首先,分析了小波脊系数幅值质量图和相位导数方差质量图的特征;然后依据相位值与其数学期望的偏差程度,利用小波脊系数幅值矩阵和导数方差思想构造了"小波脊系数幅值导数方差"质量图;最后分别进行软件仿真和真实模型实验,并将利用新质量图引导的相位展开效果与传统相位展开质量图法和改进的质量图法进行对比.实验结果表明,本文算法提高了相位展开精确度,相位展开误差率降低了2.61%.所提质量图易于构造,在引导相位展开时不仅能得到较准确的绝对相位值,还能有效抑制噪音的影响,从而重建出精确度高的物体三维模型.

一种新的散乱点云快速去噪算法

针对三维扫描仪获取的含噪点云数据会严重影响到后期三维重建的精度,提出一种新的散乱点云快速去噪算法。该算法首先通过改进的K-means聚类算法来建立点云的空间拓扑关系,然后对聚类后每一类的点云进行噪声点识别及去除。实验结果表明算法简单快速,在散乱点云实现有效聚类的基础上不但去噪效果良好,而且能够快速去除点云中的明显离群噪声点,保留理想目标点云。

采用点云重心距离进行边界检测的点云数据配准

针对现有迭代最邻近点(ICP)算法在点云数据配准过程中查找对应最近点速度缓慢、配准效率低的问题,提出一种采用点云重心距离进行边界检测的点云数据配准新算法.该算法首先运用主成分分析法进行点云数据粗配准,获得良好点云姿态;其次,采用点云重心距离特征进行边界检测并提取待配准点云边界;在此基础上,利用K-D树在两点云边界中查找对应最近点对,并通过单位四元数法进行坐标转换,求得平移矩阵及旋转矩阵,从而实现快速、精确的点云数据配准.实验结果表明:与经典ICP算法、现有改进ICP算法相比,本文中点云边界特征点的提取简单快速,极大简化了配准点集,简化率达到2.24%,改进方法的配准效率提高了25.8%.本文算法在保证精度基础上有效提高了配准效率,适用于数据量较大的点云数据配准.

一种基于公共词块的英文短文本相似度算法

短文本相似度计算是自然语言处理方面的研究热点,传统基于词项的文本相似度算法只考虑了词项因素,忽略了词序对短文本相似性的影响。为此提出了一种基于公共词块的短文本相似度计算方法,综合考虑了词项和词序因素,将基于词项重合的重叠相似度算法与公共词块间的词序相似度算法相结合,并采用自适应的加权组合方式得到短文本相似度值。实验结果显示:与传统算法相比,该算法在稳定性和F值方面都具有较好的结果。

半径自适应的初始中心点选择K-medoids聚类算法

针对K-medoids(K为中心点)聚类算法对初始聚类中心敏感、聚类结果依赖于初始聚类中心的缺陷,提出一种新的半径自适应的初始中心点选择算法。该算法在每次迭代过程中都重新根据剩余样本点的分布特征计算半径,从而实现动态计算相应样本点的局部方差和领域半径,选取较优的初始聚类中心点,实现良好的聚类效果。采用不同规模的UCI数据集和不同比例随机点的模拟数据集进行测试,利用5个通用的聚类评价指标对性能进行评价。结果表明:本算法性能较同类算法有明显提高。

结合空域噪声信息的小波脊提取算法

小波变换轮廓术的实质是计算小波脊的位置,进而得到最佳伸缩尺度和相位信息。但小波脊的提取易受噪声的影响,从而造成小波脊提取不准确。针对此问题,提出了一种新的代价函数提取小波脊的算法。该算法利用小波变换系数幅值和尺度参数曲线梯度信息建立代价函数;使用Feature Scaling方法对小波变换系数幅值和尺度参数曲线梯度进行调整,平衡两项指标的权重;随着噪声增大,小波脊受噪声影响加大,结合空域噪声信息对调整后的尺度参数曲线梯度进行补偿,加大尺度参数曲线梯度权重,使脊线更加光滑。实验表明,该算法具有良好的抗噪能力和鲁棒性,能够较精确地提取小波脊。

基于彩色结构光的自动编码算法

针对光栅投影三维轮廓测量中被测对象所含特性越来越复杂,提取到的细化光栅条纹存在大量断裂,导致细化条纹编码困难的问题,提出了一种基于彩色结构光的自动编码算法。设计了一种新的彩色结构光模型并且给出了其设计原理,实现了一种新的条纹自动编码算法。该算法从投影的彩色结构光栅中提取到带有颜色信息的细化光栅条纹,通过判断条纹最佳相邻的连通区域依次对其每种颜色的细化条纹进行编码,最后利用光栅模型的周期性进行组合编码得到完整图像的条纹编码。仿真实验结果表明:该彩色结构光模型设计简单,条纹自动编码算法的准确率较高,其误差能够降低将近10%,利用得到的条纹编码数据能够重建出较理想的三维点云数据模型。

改进的基于代价函数的小波脊相位提取算法

针对传统小波变换轮廓术容易受到噪声影响造成相位提取不精确的问题,提出了一种改进的基于代价函数的小波脊相位提取算法。首先,利用小波变换系数模值提取出极大值点,并结合相位信息选取容易被忽略的拐点,从而得到完整的候选脊点;然后通过引入对数Logistic模型对原代价函数中指标的权重系数进行调整改进,平衡代价函数中两项指标的重要程度,从而得到更加合理的代价估计值;最后使用原代价函数脊法中的动态规划思想,从其候选脊点中准确快速找出代价函数最优的脊线,提取脊线处对应的相位信息。实验结果表明,本文算法相位提取误差降低了13.5%。能够在低噪声环境中精确定位小波脊,提取得到准确的相位。