基于漂移聚类的多目标抗干扰测向定位方法

随着有人/无人侦察机探测辐射源技术的快速提升与发展,多目标的无源测向定位一直是研究重点,本文提出了一种基于漂移聚类的多目标抗干扰测向定位算法。该算法基于二维空间进行设计,首先进行经纬度转换,再以聚类思想将测向线进行分组,排除聚类簇中测向数目较少的噪声测向线,最后将聚类迭代时求出的每组组内距离测向线最近的点作为定位点。实验结果表明,在含有噪声测向线的多目标无源测向数据中,该算法可较好地对多目标进行聚类并定位,定位准确率方面效果良好。

融合PCA降维和均值漂移聚类的协同过滤推荐算法

为了解决传统的协同过滤推荐算法中评分矩阵稀疏及近邻搜索耗时长导致的推荐准确性及时间效率有待提升的问题,设计了一种融合PCA降维和均值漂移聚类的协同过滤推荐算法PMCF。该算法用主成分分析法PCA保留最能代表用户兴趣的维度,以缓解评分矩阵稀疏问题;用均值漂移聚类算法在降维后的低维向量空间上对用户聚类,以减小目标用户最近邻的搜索范围。在Movielens数据集和HetRec2011⁃Movielens⁃2k数据集上的实验结果表明,PMCF算法能够有效地提升推荐结果的准确性,同时具有较高的时间效率。

基于均值漂移聚类的扩展目标量测集划分算法

在噪声环境下,存在扩展目标数未知且变化的多扩展目标跟踪量测集难以划分、计算代价高的问题。为此,提出一种基于均值漂移聚类的量测集划分算法。通过迭代更新中心点,使其收敛于局部最优,并引入极大似然估计技术估计每个划分子集中的目标数,对于目标数大于1的子集采用模糊C均值聚类算法进行二次划分,使得划分的量测子集与各个扩展目标一一对应。实验结果表明,该算法在多扩展目标量测集划分性能上明显优于传统的距离划分和K-means++划分算法,尤其是在保持跟踪精度的前提下量测集划分数和计算代价明显降低,且能较好地划分紧邻扩展目标的量测集。

基于体素邻域信息的均值漂移聚类算法检测fMRI激活区

为了提高fMRI激活区提取算法的抗噪能力及精确性,提出了一种基于体素邻域信息的均值漂移聚类算法.采用互相关分析方法计算每个体素的时间序列与刺激函数的相关系数,并计算该体素的时间序列与邻域中体素的时间序列的相关系数,以这2种相关系数构建有效整合体素邻域信息的二维特征空间.再用均值漂移算法对此特征空间进行聚类搜索,完成对脑神经活动区域的检测.利用仿真数据和实际fMRI数据对算法进行测试.仿真数据测试结果表明,当选定合适的核宽,无论激活区域大小,所提出算法的敏感性和特异性均优于较传统的互相关分析算法和互相关聚类算法.实际fMRI数据测试结果显示,所提出算法与其他2种算法的结果具有良好的一致性,而所提出算法的检测区域更完整.

均值漂移聚类法在传统服饰图像提取中的应用

中国传统服饰的主导色彩和设计风格影响着设计师的创作灵感,针对中国传统服装主色调设计,提出了一种基于均值漂移聚类算法的颜色分类方法。通过数码单反相机拍摄中国传统典型服装图像,分别对图像的3个颜色通道中的子图像进行中值滤波,根据背景颜色对滤波后的图像进行分割,将传统典型服装的图像从背景中分离出来,利用均值漂移聚类算法对服装图像中的像素点进行聚类分析,并从聚类结果中提取传统服装的主色调。实验结果表明:均值漂移聚类算法的带宽设置为0.05时,能够能很好地提取服装图像的主色成分,且计算成本低。

基于均值漂移聚类的油罐识别

从高空间分辨率遥感影像中自动的提取油罐目标和具有重要的意义。针对传统方法计算复杂度高的不足,结合油罐和油库区域在遥感影像中体现的光谱和空间分布特点,提出一种基于均值漂移迭代聚类的油罐自动识别算法。算法基于均值漂移的分割算法进行区域的多层次合并,同时在每个分割尺度上依据形状参数检测油罐。多幅遥感影像的实验结果表明了算法具有较高的识别精度和的较低时间复杂度。

基于改进RHT及均值漂移聚类方法的双孢菇图像目标提取研究

工厂化生产环境下双孢菇图像存在成簇粘连、菌柄倾斜、白色菌丝繁盛等复杂状态,采用常规阈值分割方法无法准确提取目标,采用改进的随机霍夫变换圆形检测算法与滑动平均聚类算法结合的方法开展目标提取研究。通过图像预处理降低部分背景干扰,改进边缘点取样方式提升圆形检测效率,依据菌盖半径范围剔除无效参数;以双孢菇图像检测出的所有圆形为目标,采用均值漂移聚类算法合并圆形,消除圆形检测算法中识别出的错误目标。采用算法提取目标结果:针对双孢菇规则生长、菌盖附土、菌盖重叠率不高或变形较小的图像,目标提取正确率大于92%;针对大面积菌丝包围菌菇、菌菇成簇倾斜、大小菌菇密集掺杂、菌盖堆积变形严重的图像,存在圆形检测不准、聚类误判或漏判等问题,目标提取正确率大于82%。本文采用的算法数据处理量小、计算速度快、适应性强,能够满足菌菇生产过程中长势自动监测、出菇统计等需求。

基于均值漂移聚类的开关柜局部放电异常检测

针对开关柜现场带电检测数据,提出一种基于多维特征量的均值漂移聚类算法,对开关柜的局部放电进行异常识别。采用局部放电检测数据的离散度、平均距离百分比、集中度和最大波动率指标全面量化开关柜局部放电的程度,并构建多维特征数据库;通过自动搜索偏移量的均值漂移聚类算法对开关柜的状态进行划分,并通过所给定的开关柜簇标签隶属度函数判定是否为异常点,由此实现开关柜的绝缘状态异常检测。对现场带电检测实际数据进行实例分析,验证该方法的可行性,为开关柜的绝缘状态异常识别提供一定的理论依据。

依赖混合型位置大数据的均值漂移聚类算法

均值漂移聚类(Mean shift clustering,MSC)算法及其变体在模式识别和计算机视觉任务中具有广泛的应用。本文基于MSC模型研究了具有高斯核的算法的动力学特性。证明MSC在给定混合型位置大数据的凸包中具有解。根据收缩映射的原理,提供了一个充分条件,取决于引入高斯核的参数,以保证解的唯一性。结果表明,在该条件下,解也是全局稳定的,并且呈指数收敛。当条件不成立时,MSC算法可能会具有多个均衡,由于每个均衡都有其自己吸引盆地,因此可以用于聚类。基于此,条件可用于估计适当的参数,以确保MSC算法具有适合聚类的平衡。

结合单点分类与改进均值漂移聚类的地面激光点云单木检测

针对林分下层阴影遮挡和树冠密集分布导致在大范围场景中单木识别困难,易产生过分割和欠分割问题,提出了一种基于点云分类和均值漂移聚类的单木检测方法,可为森林资源调查提供地面参考数据并丰富单木检测手段。该方法首先使用布料模拟滤波(cloth simulation filtering,CSF)分离出地面点并建立地面模型;然后通过自适应K-NN(Knearest neighbors)对非地面点构造点云特征并基于随机森林(random forest,RF)提取树干点;最后基于改进均值漂移聚类进行单木提取,并对点簇切片进行RANSAC(random sample consensus)圆柱拟合确定单木位置。结果表明,该方法的两块研究样地单木检测精确率分别为90.06%和91.00%,召回率分别为93.33%和91.46%。另外,还通过单木聚类实验验证并分析了均值漂移聚类在单木提取中的有效性与准确性。

基于聚类的LNS算法求解异构VRP问题

该文研究了异构车辆路径问题(heterogeneous fleet vehicle routing problem,HVRP),在经典HVRP模型的基础上,设计了结合均值漂移聚类算法及大邻域搜索算法的混合求解算法(mean shift-large neighborhood search,MS-LNS)。该算法通过均值漂移聚类算法对客户集进行分类,达到减少计算量、加快算法收敛速度的效果。算法使用单链设计,结合swap邻域变换及insert邻域变换产生新式邻域变换方法,使邻域变换方法可以随机处理路径间与路径内变换。新增redistribution邻域变换,在变换后对新解检测是否存在不满足车辆载重利用率的子路径,并将其删除,达到提高车辆利用率的目的。3组仿真实验使用9组算例:实验一比较了异构与同构车辆的配送效果,验证结果表明异构车辆配送方案成本较低;实验二验证了聚类算法在不同规模客户数据中的有效性;实验三使用MD-LNS算法计算了4组算例,并与4种算法的结果进行比较,验证了在得出相近最优解的前提下,该算法能够减少算法的总体运行时间。仿真实验结果验证了模型的合理性及算法的有效性。

结合多尺度圆形滤波与MS聚类的疑似结节分割

肺部CT图像中疑似病灶感兴趣区域(ROI)的准确分割是肺部计算机辅助检测/诊断(CAD)的重要环节。本文提出结合Hessian矩阵滤波的均值漂移聚类肺部疑似病灶ROI区域分割算法。对原图像进行多尺度Hessian矩阵圆形滤波,图像中圆形的疑似结节病灶区域得到滤波增强、直线形的气管/血管区域得到抑制,将Hessian矩阵滤波后的形状特征、灰度、空间位置3种信息引入特征空间,将均值漂移聚类的核函数分解为3种特征信息所分别对应的核函数乘积形式,最后采用自适应计算带宽的方法确定每个待分割疑似区域的带宽进行均值漂移聚类分割。对来自LIDC等127个包含不同类型肺结节的病例进行实验,实验结果表明引入Hessian矩阵圆形滤波信息的均值漂移聚类能够分割出与血管或气管相连或者交叉的结节区域,去除ROI中包含的非结节区域,能有效分割出基于灰度信息难以分割的毛玻璃型(GGO)结节;对于3种类型的结节区域:血管相连结节(VPN)、毛玻璃型结节(GG0)、孤立性结节(SPN)分割平均准确率分别为92.80%、86.13%、95.08%。

高校图书馆读者群体划分中的聚类方法分析

聚类方法可以用于高校图书馆数据挖掘。文章针对具体应用讨论了两种聚类方法,一种是需要提供类别数目参数的K-均值聚类方法,另一种是不需要提供类别数目参数的均值漂移聚类方法。根据图书馆数据挖掘的具体要求,采用不同的聚类方法能够更好地作出分析。

云边协同环境下基于区块链的电网数据安全管理方法

针对目前电网数据存在的保密性弱、风险识别能力不佳等问题,提出了一种云边协同环境下基于区块链的电网数据安全管理方法.在所构建的云边协同数据管控系统中,边缘层利用均值漂移聚类算法对数据进行初步分析,获取数据的所属类型,而云层基于均值漂移聚类算法对数据进行深入剖析,以得到风险分析结果.整个系统的数据交互均采用融入环签名的区块链技术进行数据加密,通过生成聚合链强化数据安全.基于电网工程造价数据的实验结果表明,当数据量为1 024 kB时,其风险分析准确率约为87.5%,且安全性不低于80%,能够满足实际应用的需求.

支持大数据的参数自适应支持向量回归方法

为解决大数据条件下的高效精准预测问题,提出一种基于均值漂移聚类与海洋捕食者算法的参数自适应支持向量回归方法。将大数据样本划分为训练组、验证组和测试组;采用均值漂移聚类算法处理训练组得到聚类中心;设定支持向量回归(SVR)参数,随机生成多个SVR参数组;基于参数组和聚类中心,采用支持向量回归算法对验证组样本进行预测以得到预测精度,然后采用海洋捕食者算法更新SVR参数组,循环本步骤直到满足截止条件,从而获得最优SVR参数组;基于该最优参数组,用SVR获得测试组的预测精度。与高度类似方法在预测精度、稳定性和数据损失等方面进行比较,验证了该方法的可行性和有效性。

传统服饰云肩实物图像主色的智能检测

为解决获取传统服饰实物图像色彩耗时且缺乏准确性问题,以传统服饰的云肩为例,借助均值漂移(Mean-shift)聚类法,提出了一种检测传统服饰实物图像颜色的方法。运用单反数码相机进行实物图像采集;对所得初始图像的R、G、B 3个颜色通道进行去噪处理;再将图像RGB颜色空间的特征向量转换至CIE L*a*b*颜色空间中,利用大津法阈值原理(自适应阈值算法)分割被测图像中云肩实物与背景;最后采用Mean-shift聚类算法,将被测图像的颜色像素分割为若干有效的集群,同时从这些集群中提取云肩主要色彩。实验结果表明,该算法可较为准确地从云肩图像中提取主色,且当Mean-shift聚类算法的带宽被设定为0.05时,分类颜色结果更为准确。

自适应直方图均衡化的合成孔径雷达图像增强

合成孔径雷达(Synthetic Aperture Radar,SAR)成像技术在海岸线检测、舰船检测等领域具有广泛应用。为了解决SAR图像质量不稳定的问题,提出一种自适应直方图均衡化的SAR图像增强方法。该方法通过均值漂移聚类方法删除图像中低信息量的数据,以缓解局部暗淡现象与噪声放大的现象。设计了增强的布谷鸟搜索算法学习图像直方图均衡化的最优参数,实现自适应的SAR图像增强处理。在SAR图像上完成了验证实验,结果表明,该增强方法使SAR图像在主观视觉评价与客观定量评价上均取得了明显提高。

156例老年肌少症中医证候分布规律研究

目的:研究老年肌少症患者中医证候特点及分布规律。方法:以在浙江省中医院就诊的156例老年肌少症患者为研究对象,收集四诊信息,把相关证候进行均值漂移聚类分析,再进行系统变量聚类分析,最后归纳出证型。结果:(1)纳入老年肌少症的症状条目共51条,手足无力、消瘦、食少纳呆出现频率较高;(2)老年肌少症患者以脾胃亏虚证、肝肾阴虚证、气虚痰瘀证为主要证型,分布清晰,符合临床实际。结论:老年肌少症患者病机以虚证为主,病位主要在脾、肾,可分为脾胃亏虚证、肝肾阴虚证、气虚痰瘀证3大类型。

动态背景下运动车辆的检测与跟踪研究

为实现对车载设备视频图像中车辆的识别和跟踪,针对图像中的运动目标和动态背景,提出了一种基于特征学习的目标检测和超像素跟踪算法。该算法首先对训练图像进行HOG特征提取,并利用AdaBoost算法得到强分类器。利用强分类器对采集的图像进行车辆检测,从而确定搜索区域。结合对搜索区域的超像素分割结果,采用均值漂移聚类算法实现车辆识别与跟踪。实验结果表明,该算法可以很好地实现视频序列中的车辆识别,提高了目标跟踪的实时性。

基于局部复杂度的视频序列显著点提取方法

文中提出一种基于局部复杂度视频序列中显著点的提取方法。首先,将视觉认知中的注意力机制引入视频处理,通过计算空域像素局部复杂度来提取图像显著点。其次,利用均值漂移聚类方法在时域中对显著点进行聚类,从而去除了分散的噪声点,它能自动确定类别数并具有严格的收敛性,该方法减少了运算量,提高了运算速度。实验证明,该方法提取的结果与人的视觉感知系统具有较好的一致性。