期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
应用无人机高密度点云对高郁闭度人工林单木分割
1
作者
李文博
李继红
《东北林业大学学报》
CAS
CSCD
北大核心
2023年第9期76-82,共7页
为探索机载激光雷达对高郁闭度人工林单木分割的应用潜力,选取黑龙江省森林植物园内红松(Pinus koraiensis)、云杉(Picea asperata)、樟子松(Pinus sylvestris)3块具有代表性的样地作为研究对象,应用多旋翼无人机搭载ZENMUSE L1激光雷...
为探索机载激光雷达对高郁闭度人工林单木分割的应用潜力,选取黑龙江省森林植物园内红松(Pinus koraiensis)、云杉(Picea asperata)、樟子松(Pinus sylvestris)3块具有代表性的样地作为研究对象,应用多旋翼无人机搭载ZENMUSE L1激光雷达获取密度较高的点云数据,经过去噪、滤波、地面点分类预处理。分别采用标记控制分水岭算法和点云间距聚类算法,并调整相应的参数对试验区内的3块样地进行单木分割。结果表明:采用标记控制分水岭算法的单木分割,冠层高度栅格分辨率为0.1 m时分割效果最好(总体调和值为84.2%),红松、云杉和樟子松样地的调和值分别为87.8%、81.8%、82.4%,调和值随着分辨率的降低而降低;采用点云间距聚类算法的单木分割,距离阈值为平均冠幅半径时分割效果最好(总体调和值为85.9%),红松、云杉和樟子松样地的调和值分别为87.1%、83.5%、87.0%,距离阈值过大过小都导致调和值降低。因此,结合机载激光雷达高密度的点云数据,标记控制分水岭算法和点云间距聚类算法都适用于高郁闭度人工林较精准的单木分割,通过调整参数、高分辨率的冠层高度图像和合适的距离阈值提高了分割的精度,高密度点云数据对高郁闭度人工林单木分割具有较好的应用潜力。
展开更多
关键词
机载激光雷达
人工林单木分割
高密度点云
分水岭算法
点云间距聚类算法
下载PDF
职称材料
动态分配聚类中心的改进K均值聚类算法
被引量:
24
2
作者
程艳云
周鹏
《计算机技术与发展》
2017年第2期33-36,41,共5页
K均值算法(KMEANS)是一种应用广泛的经典聚类算法,但其有两个缺陷,即对初始聚类中心敏感及需要人工确定聚类的个数,因而聚类结果的准确率较低。针对K均值聚类算法现存的两个缺陷,为提高算法的精确性与稳定性,以及改善聚类性能,提出了一...
K均值算法(KMEANS)是一种应用广泛的经典聚类算法,但其有两个缺陷,即对初始聚类中心敏感及需要人工确定聚类的个数,因而聚类结果的准确率较低。针对K均值聚类算法现存的两个缺陷,为提高算法的精确性与稳定性,以及改善聚类性能,提出了一种改进的K均值算法。该算法通过定义的平均类间最大相似度指标值来确定最佳的K值,将所有数据点中密度较高的点作为备选聚类中心,将备选点中密度最大的两个点作为聚类中心进行初步聚类计算并更新当前聚类中心。当计算得到的平均类间最大相似度现值小于前次计算值,则依据相对距离原则从备选点中动态选择下一个聚类中心;否则,将当前的聚类中心作为最佳初始聚类中心进行K均值聚类计算。实验结果表明,改进后的算法不仅能够有效地提高聚类计算的精确性与稳定性,而且还能缩短聚类计算时间,具有一定的技术优势和应用前景。
展开更多
关键词
KMEANS算法
动态聚类中心
相对距离
高密度点
下载PDF
职称材料
一种改进的数据场和决策图联合聚类算法
被引量:
2
3
作者
陈涛
高鹏成
《应用科技》
CAS
2020年第5期29-34,共6页
针对传统聚类算法在复杂多变的电磁环境中聚类质量低、参数需要预先人为设定、噪声孤立点难识别等问题,本文提出一种改进的数据场和决策图联合聚类算法。该算法主要是利用数据对象的势值和到最近大密度点的距离来实现自动确定聚类中心...
针对传统聚类算法在复杂多变的电磁环境中聚类质量低、参数需要预先人为设定、噪声孤立点难识别等问题,本文提出一种改进的数据场和决策图联合聚类算法。该算法主要是利用数据对象的势值和到最近大密度点的距离来实现自动确定聚类中心和聚类数目,并且能够有效地处理孤立的噪声点和快速地实现数据对象的聚类划分。文中设置12部雷达信号,包括常规雷达、参差雷达、抖动雷达、捷变频雷达等,其中设有脉宽、到达角、载频设置参数有相同或相近的雷达。经过仿真验证可以看出,改进的数据场和决策图联合聚类有更好的聚类效果。
展开更多
关键词
信号分选
数据场
决策图
聚类
势值
最近大密度点的距离
场强函数
辐射因子
下载PDF
职称材料
高旋掠飞弹载激光雷达稀疏点云插值算法
被引量:
4
4
作者
蒋罕寒
郭锐
+1 位作者
武军安
赵旭
《弹箭与制导学报》
北大核心
2021年第1期120-123,共4页
为解决掠飞弹载激光雷达点云数据稀疏的问题,提出一种区分边缘点与非边缘点的分类插值重构算法。通过待插值点邻域点集的高度差对待插值点分类;对边缘点采用改进的最近邻插值算法;对非边缘点采用邻域点集反距离加权插值算法。仿真结果...
为解决掠飞弹载激光雷达点云数据稀疏的问题,提出一种区分边缘点与非边缘点的分类插值重构算法。通过待插值点邻域点集的高度差对待插值点分类;对边缘点采用改进的最近邻插值算法;对非边缘点采用邻域点集反距离加权插值算法。仿真结果表明新算法能有效保留距离像的边缘信息,为后续距离像的目标分割提供技术支持。
展开更多
关键词
高旋掠飞弹药
稀疏点云
最近邻
反距离加权求和
下载PDF
职称材料
一种基于初始点密度最大的改进型ISODATA聚类算法
被引量:
7
5
作者
李润青
谢明鸿
黄冰晶
《软件导刊》
2017年第12期94-98,共5页
针对ISODATA对初始聚类点选取较为敏感,不能处理噪声点的缺陷,提出一种基于结合密度最大的改进型ISODATA的划分聚类方法 D-ISODATA。基于高局部密度点距离和局部密度最大原则,优化聚类初始点并去除噪声点。根据考察对象所处空间区域的...
针对ISODATA对初始聚类点选取较为敏感,不能处理噪声点的缺陷,提出一种基于结合密度最大的改进型ISODATA的划分聚类方法 D-ISODATA。基于高局部密度点距离和局部密度最大原则,优化聚类初始点并去除噪声点。根据考察对象所处空间区域的密度分布情况划分基本簇,结合ISODATA聚类算法良好的自适应性,有效地对数据集进行分类。实验表明,这种基于密度聚类的改进型ISODATA算法能有效去除噪声点,改善初始中心点选择对最后聚类算法的影响,并且具有良好的自适应性,对于数据集处理的准确性优于传统K-means算法和ISODATA算法。
展开更多
关键词
高局部密度点距离
初始点选择
噪声点
ISODATA
D-ISODATA算法
下载PDF
职称材料
题名
应用无人机高密度点云对高郁闭度人工林单木分割
1
作者
李文博
李继红
机构
东北林业大学
出处
《东北林业大学学报》
CAS
CSCD
北大核心
2023年第9期76-82,共7页
文摘
为探索机载激光雷达对高郁闭度人工林单木分割的应用潜力,选取黑龙江省森林植物园内红松(Pinus koraiensis)、云杉(Picea asperata)、樟子松(Pinus sylvestris)3块具有代表性的样地作为研究对象,应用多旋翼无人机搭载ZENMUSE L1激光雷达获取密度较高的点云数据,经过去噪、滤波、地面点分类预处理。分别采用标记控制分水岭算法和点云间距聚类算法,并调整相应的参数对试验区内的3块样地进行单木分割。结果表明:采用标记控制分水岭算法的单木分割,冠层高度栅格分辨率为0.1 m时分割效果最好(总体调和值为84.2%),红松、云杉和樟子松样地的调和值分别为87.8%、81.8%、82.4%,调和值随着分辨率的降低而降低;采用点云间距聚类算法的单木分割,距离阈值为平均冠幅半径时分割效果最好(总体调和值为85.9%),红松、云杉和樟子松样地的调和值分别为87.1%、83.5%、87.0%,距离阈值过大过小都导致调和值降低。因此,结合机载激光雷达高密度的点云数据,标记控制分水岭算法和点云间距聚类算法都适用于高郁闭度人工林较精准的单木分割,通过调整参数、高分辨率的冠层高度图像和合适的距离阈值提高了分割的精度,高密度点云数据对高郁闭度人工林单木分割具有较好的应用潜力。
关键词
机载激光雷达
人工林单木分割
高密度点云
分水岭算法
点云间距聚类算法
Keywords
Airborne LiDAR
Artificial forests individual tree segmentation
high
-
density
point
cloud
Watershed algorithm
distance
threshold of
point
cloud-based cluster algorithm
分类号
S757.2 [农业科学—森林经理学]
下载PDF
职称材料
题名
动态分配聚类中心的改进K均值聚类算法
被引量:
24
2
作者
程艳云
周鹏
机构
南京邮电大学自动化学院
出处
《计算机技术与发展》
2017年第2期33-36,41,共5页
基金
江苏省自然科学基金(BK20140877
BK2014803)
文摘
K均值算法(KMEANS)是一种应用广泛的经典聚类算法,但其有两个缺陷,即对初始聚类中心敏感及需要人工确定聚类的个数,因而聚类结果的准确率较低。针对K均值聚类算法现存的两个缺陷,为提高算法的精确性与稳定性,以及改善聚类性能,提出了一种改进的K均值算法。该算法通过定义的平均类间最大相似度指标值来确定最佳的K值,将所有数据点中密度较高的点作为备选聚类中心,将备选点中密度最大的两个点作为聚类中心进行初步聚类计算并更新当前聚类中心。当计算得到的平均类间最大相似度现值小于前次计算值,则依据相对距离原则从备选点中动态选择下一个聚类中心;否则,将当前的聚类中心作为最佳初始聚类中心进行K均值聚类计算。实验结果表明,改进后的算法不仅能够有效地提高聚类计算的精确性与稳定性,而且还能缩短聚类计算时间,具有一定的技术优势和应用前景。
关键词
KMEANS算法
动态聚类中心
相对距离
高密度点
Keywords
KMEANS algorithm
dynamic clustering center
relative
distance
high
density
point
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
一种改进的数据场和决策图联合聚类算法
被引量:
2
3
作者
陈涛
高鹏成
机构
哈尔滨工程大学信息与通信工程学院
出处
《应用科技》
CAS
2020年第5期29-34,共6页
文摘
针对传统聚类算法在复杂多变的电磁环境中聚类质量低、参数需要预先人为设定、噪声孤立点难识别等问题,本文提出一种改进的数据场和决策图联合聚类算法。该算法主要是利用数据对象的势值和到最近大密度点的距离来实现自动确定聚类中心和聚类数目,并且能够有效地处理孤立的噪声点和快速地实现数据对象的聚类划分。文中设置12部雷达信号,包括常规雷达、参差雷达、抖动雷达、捷变频雷达等,其中设有脉宽、到达角、载频设置参数有相同或相近的雷达。经过仿真验证可以看出,改进的数据场和决策图联合聚类有更好的聚类效果。
关键词
信号分选
数据场
决策图
聚类
势值
最近大密度点的距离
场强函数
辐射因子
Keywords
signal sorting
data field
decision graph
clustering
potential value
distance to the nearest high density point
field strength function
radiation fac
to
r
分类号
TN911.7 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
高旋掠飞弹载激光雷达稀疏点云插值算法
被引量:
4
4
作者
蒋罕寒
郭锐
武军安
赵旭
机构
南京理工大学智能弹药技术国防重点学科实验室
北京信息科技大学高动态导航技术北京市重点实验室
出处
《弹箭与制导学报》
北大核心
2021年第1期120-123,共4页
基金
装备重点预研(301070201)资助。
文摘
为解决掠飞弹载激光雷达点云数据稀疏的问题,提出一种区分边缘点与非边缘点的分类插值重构算法。通过待插值点邻域点集的高度差对待插值点分类;对边缘点采用改进的最近邻插值算法;对非边缘点采用邻域点集反距离加权插值算法。仿真结果表明新算法能有效保留距离像的边缘信息,为后续距离像的目标分割提供技术支持。
关键词
高旋掠飞弹药
稀疏点云
最近邻
反距离加权求和
Keywords
hedgehopping munitions with
high
rotational speed
sparse
point
cloud
nearest
neighbor
inverse
distance
weighted sum
分类号
TJ410 [兵器科学与技术—火炮、自动武器与弹药工程]
TN958.98 [电子电信—信号与信息处理]
下载PDF
职称材料
题名
一种基于初始点密度最大的改进型ISODATA聚类算法
被引量:
7
5
作者
李润青
谢明鸿
黄冰晶
机构
昆明理工大学信息工程与自动化学院
出处
《软件导刊》
2017年第12期94-98,共5页
基金
云南省教育厅重点项目(KKJD 201403003)
云南省级项目(人培)(KKSY201403020
KKSY201403116)
文摘
针对ISODATA对初始聚类点选取较为敏感,不能处理噪声点的缺陷,提出一种基于结合密度最大的改进型ISODATA的划分聚类方法 D-ISODATA。基于高局部密度点距离和局部密度最大原则,优化聚类初始点并去除噪声点。根据考察对象所处空间区域的密度分布情况划分基本簇,结合ISODATA聚类算法良好的自适应性,有效地对数据集进行分类。实验表明,这种基于密度聚类的改进型ISODATA算法能有效去除噪声点,改善初始中心点选择对最后聚类算法的影响,并且具有良好的自适应性,对于数据集处理的准确性优于传统K-means算法和ISODATA算法。
关键词
高局部密度点距离
初始点选择
噪声点
ISODATA
D-ISODATA算法
Keywords
high
local
density
point
distance
optimal initial
point
selection
noise
point
ISODATA
D-ISODATA algorithm
分类号
TP312 [自动化与计算机技术—计算机软件与理论]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
应用无人机高密度点云对高郁闭度人工林单木分割
李文博
李继红
《东北林业大学学报》
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
2
动态分配聚类中心的改进K均值聚类算法
程艳云
周鹏
《计算机技术与发展》
2017
24
下载PDF
职称材料
3
一种改进的数据场和决策图联合聚类算法
陈涛
高鹏成
《应用科技》
CAS
2020
2
下载PDF
职称材料
4
高旋掠飞弹载激光雷达稀疏点云插值算法
蒋罕寒
郭锐
武军安
赵旭
《弹箭与制导学报》
北大核心
2021
4
下载PDF
职称材料
5
一种基于初始点密度最大的改进型ISODATA聚类算法
李润青
谢明鸿
黄冰晶
《软件导刊》
2017
7
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部