期刊文献+
共找到252篇文章
< 1 2 13 >
每页显示 20 50 100
基于K-means聚类和特征空间增强的噪声标签深度学习算法 被引量:2
1
作者 吕佳 邱小龙 《智能系统学报》 CSCD 北大核心 2024年第2期267-277,共11页
深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响,噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样... 深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响,噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样本集赋予伪标签。然而,错误的伪标签以及训练样本数量不足的问题仍然限制着噪声标签学习算法性能的提升。为解决上述问题,提出基于K-means聚类和特征空间增强的噪声标签深度学习算法。首先,该算法利用K-means聚类算法对干净样本集进行标签聚类,并根据噪声样本集与聚类中心的距离大小筛选出难以分类的噪声样本,以提高训练样本的质量;其次,使用mixup算法扩充干净样本集和噪声样本集,以增加训练样本的数量;最后,采用特征空间增强算法抑制mixup算法新生成的噪声样本,从而提高网络的分类准确率。并在CIFAR10、CIFAR100、MNIST和ANIMAL-10共4个数据集上试验验证了该算法的有效性。 展开更多
关键词 噪声标签学习 深度学习 半监督学习 机器学习 神经网络 K-MEANS 特征空间增强 mixup算法
下载PDF
结合基于密度的噪声应用空间聚类和反距离加权算法的城市环境电磁频谱地图构建
2
作者 谢佳炜 余志勇 +1 位作者 吕典 刘杨秋子 《火箭军工程大学学报》 2024年第4期93-97,107,共6页
针对传统电磁频谱地图构建方法感知节点分布不均匀、监测数据存在异常值等问题,将基于密度的噪声应用空间聚类(Density-based Spatial Clustering of Applications with Noise,DBSCAN)算法与反距离加权(Inverse Distance Weighting,IDW... 针对传统电磁频谱地图构建方法感知节点分布不均匀、监测数据存在异常值等问题,将基于密度的噪声应用空间聚类(Density-based Spatial Clustering of Applications with Noise,DBSCAN)算法与反距离加权(Inverse Distance Weighting,IDW)算法相结合,提出一种城市环境电磁频谱地图构建方法。该算法首先通过DBSCAN减轻极端值的影响,并分离核心点、边界点和噪声点,将每个核心点的局部密度作为权重,计算簇的加权中心点。其次,运用IDW对聚类簇的加权中心点进行插值估计,以显著减少需要进行插值的数据点数量,从而构建精度更高的电磁频谱地图。仿真结果表明:与IDW算法和反障碍距离加权算法相比,所提算法重构得到的电磁频谱地图的平均绝对误差和归一化均方误差分别降低了10%和23%以上。 展开更多
关键词 电磁频谱地图 反距离加权 城市环境 密度 空间插值
下载PDF
基于空间密度的群以噪声发现聚类算法研究 被引量:17
3
作者 毕方明 王为奎 陈龙 《南京大学学报(自然科学版)》 CSCD 北大核心 2012年第4期491-498,共8页
针对基于密度的群以噪声发现聚类算法(density-based spatial clustering of applications withnoise,DBSCAN)的所需内存及I/O消耗大;空间聚类的密度不均匀时,采用全局统一的变量,聚类质量较差;对于输入参数敏感性较高等三个不足进行了... 针对基于密度的群以噪声发现聚类算法(density-based spatial clustering of applications withnoise,DBSCAN)的所需内存及I/O消耗大;空间聚类的密度不均匀时,采用全局统一的变量,聚类质量较差;对于输入参数敏感性较高等三个不足进行了改进.首先根据数据的空间分布特性,将整个数据空间划分为多个较小的分区,使分区的局部密度相对更均匀;然后将每个局部分区运用改进的DBSCAN算法进行聚类,改进的算法可以根据空间数据的分布,对一个中心点自适应的选取近邻,并对这些近邻点进行取样、扩展,有效提高了算法的准确性和效率;接着将所得到的聚类结果按照合并规则进行合并.最后通过仿真实验,验证了改进的DBSCAN算法解决了内存消耗过大、聚类质量差及全局参数敏感的问题. 展开更多
关键词 数据挖掘 空间 基于密度的群以噪声发现 数据分区 参数自适应
下载PDF
面向Shapelet空间的多变量时间序列密度聚类算法 被引量:2
4
作者 盛锦超 杜明晶 +1 位作者 孙嘉睿 李宇蕊 《计算机科学与探索》 CSCD 北大核心 2024年第2期387-402,共16页
多变量时间序列聚类问题已经成为时间序列分析任务中重要的研究课题,相较于单变量时间序列,多变量时间序列的研究复杂性更高,难度更大。尽管当前已经提出了许多针对多变量时间序列的聚类算法,但是这些算法在精度和解释性方面仍旧不足。... 多变量时间序列聚类问题已经成为时间序列分析任务中重要的研究课题,相较于单变量时间序列,多变量时间序列的研究复杂性更高,难度更大。尽管当前已经提出了许多针对多变量时间序列的聚类算法,但是这些算法在精度和解释性方面仍旧不足。其一,当前大部分工作并未考虑多变量时间序列的长度冗余性和变量相关性等问题,导致最终得到的相似性矩阵具有较大误差;其二,数据在聚类过程中普遍采用划分范式,当数值空间呈现复杂分布时该思想表现不佳,并且不具备对各个变量及空间的解释力。针对上述问题,提出了一种面向Shapelet(富有高信息量的连续子序列)空间的多变量时间序列自适应权重密度聚类算法(MDCS)。算法首先对各个变量进行Shapelet搜索,通过自适应策略获取到各自的Shapelet空间,接着对各个变量产生的数值分布进行组合加权,得到了更符合数据分布特征的相似度矩阵,最后利用改进密度计算和二次分配的共享最近邻密度峰值聚类算法对数据进行最终分配。在真实数据集上的实验结果证明,与目前先进的聚类算法相比,MDCS拥有更好的聚类结果,在标准化互信息和兰德系数指标上平均提高了0.344与0.09,兼顾了性能与可解释性。 展开更多
关键词 多变量时间序列 子序列 Shapelet空间 密度峰值 数据挖掘
下载PDF
基于密度噪声应用空间聚类算法的机载激光雷达建筑物点云提取与单体化 被引量:15
5
作者 吕富强 唐诗华 +1 位作者 何广焕 蒙金龙 《科学技术与工程》 北大核心 2022年第9期3446-3452,共7页
针对机载激光雷达建筑物点云提取过程中自动化提取困难,以及提取后的建筑物单体化过程烦琐等问题,提出一种基于密度噪声应用空间聚类(density-based spatial clustering of applications with noise,DBSCAN)算法的机载雷达建筑物点云提... 针对机载激光雷达建筑物点云提取过程中自动化提取困难,以及提取后的建筑物单体化过程烦琐等问题,提出一种基于密度噪声应用空间聚类(density-based spatial clustering of applications with noise,DBSCAN)算法的机载雷达建筑物点云提取与单体化的方法。该方法对预处理后的点云数据基于DBSCAN算法进行去噪与初步的提取,通过三维密度聚类,将建筑物的点云进行提取与自动单体化。根据建筑物点云密度的特点,进行二维的密度聚类,结合数字正射影像图(digital orthophoto map,DOM)进行点云分割。最后将处理后的点云数据进行优化处理,并将建筑物单体化簇类进行提取,得到单体化建筑物点云。结果表明:提取的建筑物点云数量正确率为97.36%,轮廓边长的中误差为0.077,可以有效地提取出建筑物点云并将其单体化。 展开更多
关键词 机载激光雷达 建筑物点云 基于密度噪声应用空间(DBSCAN) 密度 点云提取 单体化
下载PDF
基于密度聚类模态分解的卷积神经网络和长短期记忆网络短期风电功率预测
6
作者 崔明勇 董文韬 卢志刚 《现代电力》 北大核心 2024年第4期631-641,共11页
近年来,随着碳达峰和碳中和“双碳”战略目标的提出,风力发电已成为可再生能源发电的关键部分。为提高风电功率短期预测的准确度,提出基于密度聚类与自适应噪声完备集成经验模态分解(complete ensemble empirical mode decomposition wi... 近年来,随着碳达峰和碳中和“双碳”战略目标的提出,风力发电已成为可再生能源发电的关键部分。为提高风电功率短期预测的准确度,提出基于密度聚类与自适应噪声完备集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和卷积神经网络与长短期记忆网络结合的短期风电功率预测方法。首先,利用密度聚类将风电功率与天气特征分成不同类别的数据集,通过自适应噪声完备集成经验模态分解算法将不同类别的数据进行频域分解得到子序列分量。以此为基础,将不同的子序列分量与天气特征进行特征选择,输入到卷积神经网络与长短期记忆网络的预测模型。最后,将不同的预测结果进行叠加得到最终的预测结果。整个预测过程通过聚类、分解和特征选择,有效提高了短期风电功率预测的准确度。 展开更多
关键词 风电功率预测 密度 自适应噪声完备集成经验模态分解 卷积神经网络 长短期记忆网络
下载PDF
一种基于密度的空间数据流在线聚类算法 被引量:28
7
作者 于彦伟 王沁 +1 位作者 邝俊 何杰 《自动化学报》 EI CSCD 北大核心 2012年第6期1051-1059,共9页
为了解决空间数据流中任意形状簇的聚类问题,提出了一种基于密度的空间数据流在线聚类算法(On-line density-based clustering algorithm for spatial data stream,OLDStream),该算法在先前聚类结果上聚类增量空间数据,仅对新增空间点... 为了解决空间数据流中任意形状簇的聚类问题,提出了一种基于密度的空间数据流在线聚类算法(On-line density-based clustering algorithm for spatial data stream,OLDStream),该算法在先前聚类结果上聚类增量空间数据,仅对新增空间点及其满足核心点条件的邻域数据做局部聚类更新,降低聚类更新的时间复杂度,实现对空间数据流的在线聚类.OLDStream算法具有快速处理大规模空间数据流、实时获取全局任意形状的聚类簇结果、对数据流的输入顺序不敏感、并能发现孤立点数据等优势.在真实数据和合成数据上的综合实验验证了算法的聚类效果、高效率性和较高的可伸缩性,同时实验结果的统计分析显示仅有4%的空间点消耗最坏运行时间,对每个空间点的平均聚类时间约为0.033ms. 展开更多
关键词 空间数据挖掘 数据流 基于密度 在线算法 噪声处理
下载PDF
一种适应局部密度变化的空间聚类方法 被引量:32
8
作者 李光强 邓敏 +1 位作者 刘启亮 程涛 《测绘学报》 EI CSCD 北大核心 2009年第3期255-263,共9页
研究一种适应空间局部密度变化的空间聚类算法(简称ADBSC)。在该算法中,首先提出一种新的空间局部密度度量方法,即k-空间近邻最大距离,而为了表达空间局部密度变化特征,引入距离变化率概念,用于度量邻近目标间空间局部密度变化情况。然... 研究一种适应空间局部密度变化的空间聚类算法(简称ADBSC)。在该算法中,首先提出一种新的空间局部密度度量方法,即k-空间近邻最大距离,而为了表达空间局部密度变化特征,引入距离变化率概念,用于度量邻近目标间空间局部密度变化情况。然后将所有空间邻近的距离变化率小于给定变化率阈值的空间目标标记为局部密度相等,再将空间邻近的局部密度相等的空间目标聚为一类,得到空间聚类结果。并给出ADBSC算法的详细描述和计算过程。最后,通过模拟实验和实际算例,对提出的方法进行验证。结果表明,该算法能够自动适应空间位置的局部密度变化,适应不同形态的空间簇,而且比DBSCAN算法更实用。 展开更多
关键词 空间 空间局部密度 空间近邻最大距离 距离变化率
下载PDF
应用聚类分析与非参数核密度估计的空间负荷分布规律 被引量:21
9
作者 刘思 傅旭华 +3 位作者 叶承晋 丁嘉涵 马润泽 黄民翔 《电网技术》 EI CSCD 北大核心 2017年第2期604-609,共6页
空间负荷预测是配电网规划的前提和基础。针对现有研究偏重对预测方法的理论创新和精度提升,缺乏对各地各类空间负荷分布规律研究的不足,提出一种基于聚类分析与非参数核密度估计的空间负荷分布规律研究方法。以浙江电网为例,对调研采... 空间负荷预测是配电网规划的前提和基础。针对现有研究偏重对预测方法的理论创新和精度提升,缺乏对各地各类空间负荷分布规律研究的不足,提出一种基于聚类分析与非参数核密度估计的空间负荷分布规律研究方法。以浙江电网为例,对调研采集的空间负荷按城市发展类型、用地类型进行二级划分后,利用基于非参数核密度估计方法提取各类样本负荷密度的典型分布特征,结合实际对浙江11个城市的工业、商业、居住等多类空间负荷的分布规律进行分析研究,为配电网规划提供可靠支撑。 展开更多
关键词 负荷密度 密度估计 负荷 空间负荷预测 配电网规划
下载PDF
基于优化密度的耦合空间LDA文本聚类算法研究 被引量:7
10
作者 邢长征 赵全颖 +1 位作者 王伟 王星 《计算机应用研究》 CSCD 北大核心 2017年第7期1966-1970,共5页
针对传统的空间向量模型在进行文本表示时计算相似度仅采用词频统计来表示文本以及对高维文本数据聚类效果有所下降等问题,提出一种基于优化密度的耦合空间LDA文本聚类算法。该算法利用提出的耦合空间模型和LDA主题模型线性融合计算文... 针对传统的空间向量模型在进行文本表示时计算相似度仅采用词频统计来表示文本以及对高维文本数据聚类效果有所下降等问题,提出一种基于优化密度的耦合空间LDA文本聚类算法。该算法利用提出的耦合空间模型和LDA主题模型线性融合计算文本相似度,并对阈值敏感问题进行优化,确定不同密度区域对应的阈值半径。实验结果表明,与改进的DBSCAN文本聚类算法和R-DBSCAN文本聚类算法相比,该算法的文本聚类精度更高、聚类效果更优。 展开更多
关键词 文本 耦合空间模型 LDA主题模型 密度 阈值
下载PDF
基于改进Hough变换耦合密度空间聚类的车道线检测算法 被引量:24
11
作者 吕侃徽 张大兴 《电子测量与仪器学报》 CSCD 北大核心 2020年第12期172-180,共9页
为了提高车道线检测的准确性与鲁棒性,降低光照变化与背景干扰的影响,提出了一种改进的Hough变换耦合密度空间聚类的车道线检测算法。首先,建立车道线模型,将车道边界分解为一系列的小线段,借助最小二乘法来表示车道线中的线段。再利用... 为了提高车道线检测的准确性与鲁棒性,降低光照变化与背景干扰的影响,提出了一种改进的Hough变换耦合密度空间聚类的车道线检测算法。首先,建立车道线模型,将车道边界分解为一系列的小线段,借助最小二乘法来表示车道线中的线段。再利用改进的Hough变换对图像中的小线段进行检测。引入具有密度空间聚类方法(density based spatial clustering of applications with noise,DBSCAN),对提取的小线段进行聚类,过滤掉图像中的冗余和噪声,同时保留车道边界的关键信息。随后,利用边缘像素的梯度方向来定义小线段的方向,使得边界同一侧的小线段具有相同的方向,而位于相反车道边界的两个小线段具有相反的方向,通过小线段的方向函数得到车道线段候选簇。最后,根据得到的小线段候选簇,利用消失点来拟合最终车道线。在Caltech数据集与实际道路中进行测试,数据表明:与当前流行的车道线检测算法相比,在光照变化、背景干扰等不良因素下,所以算法呈现出更理想的准确性与稳健,可准确识别正常车道线。 展开更多
关键词 车道线检测 HOUGH变换 密度空间 边缘像素梯度 曲线拟合 消失点
下载PDF
空间密度聚类在数字图书馆图像检索中的应用 被引量:6
12
作者 王华秋 王重阳 聂珍 《现代情报》 CSSCI 北大核心 2016年第2期129-134,共6页
图像聚类为数字图书馆图像管理提供了新的技术支持,能够在大量图像数据中发掘使用户感兴趣的信息。传统应用于图像聚类的特征提取算法往往忽略图像颜色的空间分布信息,且适应性较差。通过等面积矩形环对图像进行划分并计算各空间区域的... 图像聚类为数字图书馆图像管理提供了新的技术支持,能够在大量图像数据中发掘使用户感兴趣的信息。传统应用于图像聚类的特征提取算法往往忽略图像颜色的空间分布信息,且适应性较差。通过等面积矩形环对图像进行划分并计算各空间区域的相关性,并根据空间区域相关性计算各区域的重要性,将空间信息与颜色信息进行融合。同时对快速搜索密度峰值聚类算法的截断距离进行了合理改进,在保证聚类精度的同时提高收敛速度。最后将该密度聚类算法应用于数字图书馆图像检索之中。通过实验验证,本文提出的方法是可行的、有效的。 展开更多
关键词 密度 截断距离 空间相关性 数字图书馆 图像检索
下载PDF
一种处理障碍约束的基于密度的空间聚类算法 被引量:6
13
作者 杨杨 孙志伟 赵政 《计算机应用》 CSCD 北大核心 2007年第7期1688-1691,共4页
在现有的基于障碍约束的空间聚类算法COD_CLARANS、DBCLuC、AUTOCLUST+和DBRS+的基础上,提出了一种新的基于密度的空间聚类算法——基于障碍距离的密度聚类算法(DBCOD)。该算法在DBCLuC算法的基础上,采用障碍距离代替欧几里得距离作为... 在现有的基于障碍约束的空间聚类算法COD_CLARANS、DBCLuC、AUTOCLUST+和DBRS+的基础上,提出了一种新的基于密度的空间聚类算法——基于障碍距离的密度聚类算法(DBCOD)。该算法在DBCLuC算法的基础上,采用障碍距离代替欧几里得距离作为相异度的度量标准,并在预处理过程中用障碍多边形合并化简方法来提高障碍物的处理效率。仿真实验结果表明,DBCOD算法不仅具有密度聚类算法的优点,而且聚类结果比传统基于障碍约束的密度聚类算法更合理、更加符合实际情况。 展开更多
关键词 基于密度空间 障碍距离 障碍多边形合并化简
下载PDF
基于密度的空间聚类算法研究 被引量:6
14
作者 聂跃光 陈立潮 陈湖 《计算机技术与发展》 2008年第8期91-94,共4页
基于密度的聚类算法作为数据挖掘方法中的一种主要方法,不仅可以从数据集中发现任意形状的簇,而且可以观察到一个并发的、完整的聚类结构,以及具有对噪声数据不敏感的特点。针对目前常用的几种基于密度的聚类算法及改进算法进行讨论,分... 基于密度的聚类算法作为数据挖掘方法中的一种主要方法,不仅可以从数据集中发现任意形状的簇,而且可以观察到一个并发的、完整的聚类结构,以及具有对噪声数据不敏感的特点。针对目前常用的几种基于密度的聚类算法及改进算法进行讨论,分析了这些密度聚类算法各自的优缺点,并且以地理信息系统为应用研究背景,提出了基于密度的聚类算法与GIS相结合,通过对多维数据属性特征的提取,扩展到多维数据的处理,在三维空间地形数据中的分析中取得了高效的聚类结果。 展开更多
关键词 空间数据挖掘 密度 GIS
下载PDF
障碍空间中基于密度的不确定数据聚类算法 被引量:3
15
作者 何云斌 王霄 +1 位作者 万静 李松 《小型微型计算机系统》 CSCD 北大核心 2017年第12期2772-2776,共5页
为解决传统聚类算法无法有效处理障碍空间中不确定数据的问题,本文提出了障碍空间中基于密度的不确定聚类算法解决此类问题.本文第一步利用三角模糊数和R树的性质提出TF-Initialseeds算法来解决数据的不确定性问题.在基于密度聚类方法... 为解决传统聚类算法无法有效处理障碍空间中不确定数据的问题,本文提出了障碍空间中基于密度的不确定聚类算法解决此类问题.本文第一步利用三角模糊数和R树的性质提出TF-Initialseeds算法来解决数据的不确定性问题.在基于密度聚类方法的基础上,本文第二步,利用Voronoi图剪枝策略可以有效减少计算量的特性,提出了障碍不确定密度聚类算法VPSDBSCAN.最后结合第一步与第二步算法提出了TVDBSCAN算法,用于处理障碍空间中的不确定数据.实验分析表明TVDBSCAN算法在处理障碍不确定数据时具有更高的效率,得到更好的聚类结果. 展开更多
关键词 密度 不确定数据 障碍空间 三角模糊数 VORONOI图 R树
下载PDF
障碍空间里基于密度的快速聚类算法 被引量:4
16
作者 卢炎生 娄强 《小型微型计算机系统》 CSCD 北大核心 2007年第11期1976-1980,共5页
传统的聚类方法不能直接运用于分布空间内存在障碍物的数据的聚类.提出了一种障碍空间内基于密度的快速聚类算法DBCO来解决此类问题.DBCO中,在基于密度的聚类基础上引入了障碍模型,提出了一种保持数据间可见性的简化障碍的方法.为了使... 传统的聚类方法不能直接运用于分布空间内存在障碍物的数据的聚类.提出了一种障碍空间内基于密度的快速聚类算法DBCO来解决此类问题.DBCO中,在基于密度的聚类基础上引入了障碍模型,提出了一种保持数据间可见性的简化障碍的方法.为了使障碍模型不影响聚类质量,定义了障碍顶点距离、连接距离和判断距离来维持聚类的质量.另外,在聚类过程中,选择某一些代表点和拓展点而不是每一个点来对每一个聚类进行扩展,从而大大提高了聚类算法的效率.实验结果表明了DB-CO算法可以快速地得到高质量的聚类结果. 展开更多
关键词 空间数据 数据挖掘 密度
下载PDF
基于密度的空间聚类与霍夫变换相结合的欠定盲源分离混合矩阵估计 被引量:3
17
作者 孙洁娣 李玉霞 +1 位作者 温江涛 闫盛楠 《高技术通讯》 CAS CSCD 北大核心 2014年第12期1270-1278,共9页
为解决欠定盲源分离中混合矩阵估计问题,提出了一种基于密度的空间聚类与霍夫变换相结合的混合矩阵估计算法。该算法首先通过基于相角的单源时频点处理增强信号的稀疏性,然后针对K-means算法需预先设置聚类个数的问题,采用基于密度的空... 为解决欠定盲源分离中混合矩阵估计问题,提出了一种基于密度的空间聚类与霍夫变换相结合的混合矩阵估计算法。该算法首先通过基于相角的单源时频点处理增强信号的稀疏性,然后针对K-means算法需预先设置聚类个数的问题,采用基于密度的空间聚类算法对单源点进行自动分类以估计源信号个数,进而估计得到混合矩阵。为提高估计混合矩阵的精度,采用霍夫变换方法修正聚类中心。基于密度的空间聚类算法的运用也克服了霍夫变换峰值簇拥问题。实验结果表明,基于密度的空间聚类与霍夫交换相结合的方法能在源信号数量未知情况下准确估计混合矩阵,且估计精度高于K-means算法和基于密度的空间聚类算法。 展开更多
关键词 欠定盲源分离(UBSS) 混合矩阵估计 霍夫变换 基于密度空间 K-MEANS
下载PDF
基于最大维密度的全局优化空间聚类算法 被引量:2
18
作者 石亚冰 元昌安 +1 位作者 覃晓 黄予 《计算机仿真》 CSCD 北大核心 2013年第3期277-280,共4页
在优化空间聚类算法的研究中,传统的K-means空间算法存在两个缺陷,其一是对空间对象的属性描述不全面,其二是对初始种子集选取敏感,容易陷入局部最优值,聚类结果不稳定。为了优化算法,引入适合空间对象的空间属性距离和基于最大维密度... 在优化空间聚类算法的研究中,传统的K-means空间算法存在两个缺陷,其一是对空间对象的属性描述不全面,其二是对初始种子集选取敏感,容易陷入局部最优值,聚类结果不稳定。为了优化算法,引入适合空间对象的空间属性距离和基于最大维密度选择方案(Max-Dimension of Density Based Seeking,MDDBS)来改进K-means算法,提出利用最大维密度的全局优化空间聚类算法(Max-Dimension of Density Based Clustering,MDDBC),可从密度大的区域选取初始种子,同时又尽量将种子分散在数据空间。实验结果表明,改进方法可以很好消除聚类结果的波动性,同时更加客观地呈现空间对象的分布规律。 展开更多
关键词 空间对象 最大维 密度 初始种子 算法
下载PDF
基于密度分布的鲁棒谱聚类算法
19
作者 李超 廖红梅 +2 位作者 徐晓 郭丽丽 丁世飞 《计算机学报》 EI CAS CSCD 北大核心 2024年第11期2645-2663,共19页
谱聚类作为一种基于图论的聚类方法,通过相似性矩阵对数据进行特征分解或将数据投影到低维空间以实现更好的数据划分.谱聚类因其适用于复杂数据和非凸子簇而受到广泛的关注,并已成功应用在很多领域.然而,计算复杂度高、噪声敏感等问题... 谱聚类作为一种基于图论的聚类方法,通过相似性矩阵对数据进行特征分解或将数据投影到低维空间以实现更好的数据划分.谱聚类因其适用于复杂数据和非凸子簇而受到广泛的关注,并已成功应用在很多领域.然而,计算复杂度高、噪声敏感等问题会限制其聚类效果的进一步提升.针对这些问题,本文提出了一种基于密度分布的鲁棒谱聚类算法.首先,设置噪声系数以过滤少量的低密度噪声点.其次,根据密度峰值聚类具有的特性,即尽可能多地划分数据能够保证子簇内数据标签的一致性,新提出的算法能够在较少的子簇数和更高的簇内标签一致性上达到平衡,实现了对数据更加优质的划分.最后,基于簇间密度分布的相似性度量改善了谱聚类在密度不均匀数据集上的聚类效果.合成数据以及真实数据上的实验充分证明了新算法在9个最新改进算法中的有效性.在保证聚类效率的前提下,新算法在真实数据上的准确率、调整兰德系数和调整互信息的平均值上至少分别提升了10.02%、22.11%和15.76%. 展开更多
关键词 密度分布 子簇相似性 局部峰值 噪声检测
下载PDF
空间约束密度聚类的超像素分割算法 被引量:2
20
作者 韩剑辉 唐俊超 《哈尔滨理工大学学报》 CAS 北大核心 2020年第6期131-136,共6页
超像素分割是计算机图像处理的一个重要的预处理步骤,传统的基于密度聚类的超像素分割算法对于边界的处理比较好,但是所获得的超像素形状不规则,针对其缺点,提出了一种空间约束的DBSCAN聚类的超像素分割算法。首先在图像上均匀的播撒种... 超像素分割是计算机图像处理的一个重要的预处理步骤,传统的基于密度聚类的超像素分割算法对于边界的处理比较好,但是所获得的超像素形状不规则,针对其缺点,提出了一种空间约束的DBSCAN聚类的超像素分割算法。首先在图像上均匀的播撒种子点,之后以种子点为中心利用空间约束的密度聚类逐步向外扩张,直至遍布整张图像,获得初始的超像素,通过k-means方法迭代进行更新种子点,最后遍历种子点来清理掉未访问过的像素点。为了验证方法的有效性,在BSDS500数据集进行实验,并与当前最先进的方法进行了定性和定量的对比。在超像素数目为300左右时,该方法的紧密度为0.45,明显优于传统的基于密度聚类的超像素分割算法的0.40。空间约束密度聚类的超像素分割算法在通过均匀分布的种子点以及空间约束后使得紧密度得到了明显的提高。 展开更多
关键词 图像分割 超像素 密度 K-MEANS 空间约束
下载PDF
上一页 1 2 13 下一页 到第
使用帮助 返回顶部