基于2d-距离改进的K-means聚类算法研究

为了解决原始K-means算法随机选取聚类中心对聚类结果产生较大影响的不足和孤立点的存在对聚类精度的破坏,以及两者之间的相互牵制性,采用基于2d-距离的DKC值来对原始样本数据集进行预处理以分辨孤立点,同时确定初始的聚类中心,达到消除两者相互影响的效果,使得聚类中心相对稳定,改进后的算法较原始的算法在准确度上得到了改进。

基于自适应阈值的距离图像线段特征提取

提出一种从2D激光雷达距离图像中提取线段特征的方法,以满足移动机器人定位和地图创建的需要.该方法包括分割和合并两个阶段.采用IEPF(iterative end point fit)分割算法对输入点集进行递归分割,利用LT(line tracking)分割算法对已分割点集的端点进行重新分配.根据两个相邻点集所包含的点数将合并过程分为两种情况考虑,分别采用不同的自适应阈值合并算法对两点集进行合并.对比实验结果表明,该方法能解决线段提取中过分割和过合并问题,对线段端点表示较为精确.

2D registration based on contour matching for partial matching images

The mean Hausdorff distance, though highly applicable in image registration, does not work well on partial matching images. An improvement upon traditional Hausdorff-distance-based image registration method is proposed, which consists of the following two aspects. One is to estimate transformation parameters between two images from the distributions of geometric property differences instead of establishing explicit feature correspondences. This procedure is treated as the pre-registration. The other aspect is that mean Hausdorff distance computation is replaced with the analysis of the second difference of generalized Hausdorff distance so as to eliminate the redundant points. Experimental results show that our registration method outperforms the method based on mean Hausdorff distance. The registration errors are noticeably reduced in the partial matching images.

一种距离特征融合的机械三维模型检索方法

三维模型检索技术可提高产品设计效率,减少设计时间。针对形状分布算法(D2)只适用于全局特征检索而对局部特征描述不足的缺点,文中提出一种融合局部特征和全局特征的三维模型检索方法。首先,运用蒙特卡洛算法在模型表面随机取点,计算随机点对间的D2距离和协方差距离,然后联合统计两种特征距离的分布概率,形成距离分布矩阵。最后采用Manhattan距离度量距离分布矩阵的相似性。实验结果表明,该算法可实现机械三维模型检索,检索性能明显优于两种经典算法。

2—距离空间上半相容映射的公共不动点定理

本文在2-距离空引入半相容映射概念,并证得有关映射族具有公共不动点的若干结果。