-
题名一种基于密度峰和k-means算法的图像分割算法
被引量:5
- 1
-
-
作者
刘海谊
赵汝文
丁勇
-
机构
桂林电子科技大学数学与计算科学学院
桂林电子科技大学广西密码学与信息安全重点实验室
-
出处
《桂林电子科技大学学报》
2018年第5期385-388,共4页
-
基金
国家自然科学基金(61772150)
-
文摘
针对传统的k-means算法应用在图像分割时需要手动调试参数的缺点,提出了一种将密度峰算法、最近邻插值算法和k-means聚类算法相结合的图像分割算法。用最近邻插值算法缩小原图像像素点,用密度峰算法提取图像的中心点,并将该中心点作为k-means的初始聚类中心,用k-means算法对原始图像进行图像分割。实验结果表明,改进算法拥有更强的自适应性和鲁棒性。
-
关键词
K-MEANS算法
密度峰算法
图像分割
-
Keywords
k-means algorithm
density peak algorithm
image segmentation
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名罚处共享最近邻密度峰聚类算法
被引量:1
- 2
-
-
作者
高润峰
苏一丹
覃华
-
机构
广西大学计算机与电子信息学院
-
出处
《计算机工程与设计》
北大核心
2021年第12期3407-3414,共8页
-
基金
国家自然科学基金项目(51667004、61762009)。
-
文摘
为解决传统密度峰聚类算法容易忽略低密度簇中心以及难以自动选择聚类中心的问题,提出罚处共享最近邻密度峰聚类算法。设计罚处系数,减少高密度簇中非中心点的共享最近邻局部密度值,降低低密度簇中心点被忽视的机率;采用迭代阈值法实现簇中心点的自动选择。在人工数据集、UCI真实数据集以及图像数据集上进行仿真实验,其结果表明,该算法能找到数据集的簇中心和簇数目,聚类精度优于相比较的其它算法,该算法是可行的、有效的。
-
关键词
密度峰聚类算法
共享最近邻局部密度
簇中心点
罚处系数
迭代阈值法
-
Keywords
density peak clustering algorithm
local density value of shared nearest neighbor
cluster center points
penalty coefficient
iterative threshold method
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于共享逆近邻与指数核的密度峰聚类算法
- 3
-
-
作者
高月
杨小飞
马盈仓
汪义瑞
-
机构
西安工程大学理学院
安康学院数学与统计学院
-
出处
《纺织高校基础科学学报》
CAS
2020年第2期78-84,共7页
-
基金
国家自然科学基金(11501435)。
-
文摘
针对密度峰聚类算法中局部密度定义和聚类分配策略的不足,提出了一种基于共享逆近邻与指数核的密度峰聚类算法。该算法利用样本的共享逆近邻点和指数核函数构造一种相似度,得到一种新的密度并将其应用在密度峰聚类算法中生成初始簇,然后将这些簇与凝聚层次聚类算法结合形成最终的类簇。数值实验证明:提出的基于共享逆近邻与指数核的密度峰聚类算法在真实数据集上的聚类结果要优于其他密度聚类算法,并能有效解决密度峰聚类算法中局部密度定义问题和聚类分配策略问题。
-
关键词
密度峰聚类算法
共享逆近邻
指数核
相似度
凝聚层次聚类算法
-
Keywords
density peak clustering algorithm
shared reverse nearest neighbor
exponential kernel
similarity
agglomerative hierarchical clustering algorithm
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名结合共享近邻和共享逆近邻的密度峰聚类
- 4
-
-
作者
周欢欢
张征
张琦
-
机构
西华师范大学数学与信息学院
-
出处
《西华师范大学学报(自然科学版)》
2022年第1期108-115,共8页
-
基金
西华师范大学基本科研业务费项目(19B045)。
-
文摘
密度峰聚类算法是一种基于密度的新型高效聚类算法,但是存在截断距离难以确定、局部密度定义过于简单和聚类分配策略容错能力差等问题。针对上述问题,提出了一种结合共享近邻和共享逆近邻的密度峰聚类算法。首先,该算法利用样本的共享近邻和共享逆近邻构造新的相似度计算方法;然后,重新定义了局部密度计算公式,避免了截断距离的选取问题;最后,提出了新的分配策略。实验中,在人工数据集和UCI数据集上进行测试,同时与SNNDPC、DPC、FKNN-DPC、AP、OPTICS、DBSCAN和K-means算法进行比较。实验结果表明:密度峰聚类改进算法的聚类结果整体优于其他算法,同时克服了DPC算法中分配策略可能存在的链式错误分配问题。
-
关键词
共享近邻
共享逆近邻
密度峰聚类算法
相似度
局部密度
-
Keywords
shared nearest neighbor
shared inverse nearest neighbor
density peak clustering algorithm
similarity
local density
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于轨迹聚类的公共安全异常检测
被引量:3
- 5
-
-
作者
康凯
王家宝
刘方鑫
-
机构
解放军理工大学指挥信息系统学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2016年第14期7-11,共5页
-
基金
江苏省自然科学基金(No.BK20140065)
江苏省工程技术研究中心(No.BM2014391)
+1 种基金
国家自然科学基金(No.61174198)
国家自然科学基金联合基金(No.U1435218)
-
文摘
公共安全异常检测的需求越来越迫切,监控中基于轨迹聚类的检测方法越来越流行,但是现有方法在处理高维不等长轨迹数据时效果并不理想。提出一个新的轨迹聚类方法,该方法通过组合动态时间弯曲和密度峰算法实现。动态时间弯曲用于度量轨迹间的距离,密度峰算法根据距离进行聚类。前者可直接度量不等长轨迹聚类,后者是近年提出的非球体分布数据聚类算法,以局部密度和最近邻聚类组合实现。实验在PETS2006监控视频数据集上进行,测试结果表明该方法有效地发现了异常的轨迹行为模式。
-
关键词
轨迹聚类
异常检测
密度峰算法
公共安全
-
Keywords
trajectory clustering
anomaly detection
density peak algorithm
public safety
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-