导读:本文包含了自适应聚类论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:自适应,算法,图像,模糊,均值,流形,图形。
自适应聚类论文文献综述
孙伟,宋如意,丁伟[1]（2019）在《步态特征提取的K均值聚类自适应判别》一文中研究指出针对微惯性零速修正算法中步态特征的准确提取,以及步态特征的无规律性成为制约行人导航系统中步态信息提取与辨识的问题,该文提出一种基于K均值聚类自适应的行人步态特征辨别方法。分析行人步态规律并通过设定角速率阈值法对步态特征进行初判后,采用K均值聚类自适应算法设定时间阈值并将误判的步态进行纠正。为验证该算法的普适性,分别针对不同测试个体和同一个体5组不同行走速度条件下的步态特征判别实验,结果表明,本文提出的步态自适应判别方法对不同个体具有良好的适应性;为进一步验证K均值自适应步态判别算法对人员位置解算的准确性,分别开展圆形及400m跑道闭合行走实验,对比不同行走路径对应的位置误差可看出,解算位置误差虽然随行走距离增大而增加,但其相对误差均不超过2%。(本文来源于《测绘科学》期刊2019年12期）
蔡莉,江芳,许卫霞,梁宇[2]（2019）在《一种基于自适应网格划分和决策图的聚类算法研究》一文中研究指出为了减少大规模数据集在聚类过程中的计算复杂度和运行时间,本文提出了一种基于自适应网格划分和决策图的聚类算法AGPCA.首先,采用相对熵自适应划分数据空间,形成明显的稀疏网格和稠密网格.将网格作为聚类对象,降低以点为对象之间的距离计算复杂度.之后,依据决策图思想确定簇心网格对象,并通过Kd树完成邻接网格的查找和合并以实现聚类.以多个标准数据集和真实的出租车GPS轨迹数据作为测试对象,并与现有一些先进的聚类算法进行对比实验.实验结果表明所提算法结合了网格划分和局部距离判断的优点,具有较高的准确性和运行效率.(本文来源于《小型微型计算机系统》期刊2019年10期）
王保锋,麻晓璇,李金星[3]（2019）在《一种自适应模糊连接点聚类算法》一文中研究指出模糊连接点聚类算法(Fuzzy Joint Points, FJP)用最大间隔下降法划分聚类的簇数目,这种确定簇数目的方法具有主观性,不利于算法的应用推广。针对此问题,提出一种基于有效近邻簇指标的自适应FJP聚类算法,通过Kernels-VCN指标来评估聚类的有效性,从而实现最佳簇数目的自适应确定,最后在UCI数据集和人工数据集上验证所提算法的可行性。(本文来源于《计算机与现代化》期刊2019年10期）
曾绍华,唐文密,詹林庆,黄秀芬[4]（2019）在《基于自适应密度峰值聚类的野外紫色土彩色图像分割》一文中研究指出野外自然环境下采集的紫色土图像背景复杂,将紫色土区域从背景中分割出来是应用机器视觉对紫色土进一步分析处理的首要工作。该文提出基于自适应密度峰值聚类的野外紫色土彩色图像分割算法。该方法首先构造基于熵的相似度矩阵,从而建立基于类间方差最大化类内方差最小化准则的灰度变换优化模型,求解优化模型获得一个提升了紫色土与背景间分离特性的灰度图像。然后,构建无参的密度公式和一个中心决策度量来自动获取聚类中心,实现在密度峰值聚类算法框架下紫色土图像的自适应分割。最后,设计边界提取与区域填充的后处理算法获得完整的紫色土土壤区域图像。通过使用常规样本集、鲁棒样本集试验测试,结果显示:该文分割算法的初分割平均分割精度分别为93.45%和87.40%,比采用原始密度峰值聚类算法的平均分割精度分别提高3.16和12.47个百分点。经该文算法初分割、后处理,平均分割精度分别提高到96.30%和91.63%,平均耗时分别为0.36和0.35 s。研究结果为野外紫色土彩色图像的自适应分割提供参考。(本文来源于《农业工程学报》期刊2019年19期）
周友行,马逐曦,石弦韦,刘汉江[5]（2019）在《工件表面缺陷图像检测中的自适应聚类》一文中研究指出目的针对工件表面形态复杂、干涉交迭缺陷难以实现自动分离、分类图像检测的情况,提出一种工件表面交迭缺陷自适应图像聚类方法。方法首先提取工件表面缺陷二值图像,采用混合概率主成分分析器估计缺陷位置各像素点局部切空间信息,并改进局部切空间之间的相似性矩阵;然后通过改进局部密度峰值自适应方法,基于相似性矩阵确定聚类中心点和数目;最后通过谱多流形聚类,将各分析器所包含的像素点分配至不同缺陷流形结构中,实现多个交迭缺陷分离、检测。结果首先通过比较计算与实际测量的长度、宽度来验证该方法对相互交迭结构缺陷良好、准确的分离效果,平均相对误差分别为0.957%和0.650%。其次为了体现该方法对于分离工件表面相互交迭缺陷的有效性及优越性,使用k-means聚类、谱聚类与该方法进行对比实验,证明了该方法良好的聚类效果。最后对所设计方法的稳定性进行测试,统计检测结果的平均ME值均在6%以下,正确聚类数目率高达99%～100%。结论该方法能够较为准确地自动识别工件表面图像中存在相互干涉的不同缺陷,并进行分离。(本文来源于《表面技术》期刊2019年09期）
蒋华,林森,王鑫,王慧娇[6]（2019）在《海洋数据下的密度自适应聚类算法》一文中研究指出针对DBSCAN算法需要人工设定参数,且数在对不同疏密度的数据敏感度较低以及处理多维多密度的海洋数据时鲁棒性欠佳的问题,提出一种基于K-均值模型的多密度自适应聚类算法AM-DBSCAN (adaptive multi-density DBSCAN algorithm)。采用K-均值模型对数据进行初次聚类,分别以结果簇中距离最远两点的平均值及最小簇的样本数作为DBSCAN算法中的邻域半径(Eps)及邻域样本阈值(Minpts);以最短路径原则改进DBSCAN算法中Eps邻域判定方式,提高算法全局的可靠性及稳定性。实验结果表明,相对于DBSCAN聚类算法,AM-DBSCAN算法在处理密度不均的数据时在聚类准确度和聚类效率方面有所提升。(本文来源于《计算机工程与设计》期刊2019年09期）
吴成茂,孙佳美[7]（2019）在《基于全散度的自适应鲁棒图形模糊聚类算法》一文中研究指出针对图形模糊聚类对灰度分布不均匀及噪声干扰图像无法获得满意分割结果的不足,提出一种基于全散度的自适应鲁棒图形模糊聚类分割算法。全散度和像素邻域信息相结合,得到一种改进的全散度;改进的全散度引入图形模糊聚类最优化模型,并嵌入像素空间邻域信息。当前聚类像素与邻域像素均值的偏差作为该鲁棒聚类分割模型的正则因子,促使该聚类对强弱噪声具有自适应抑制能力。测试结果表明,与现有的图形模糊聚类、鲁棒模糊聚类等算法相比,自适应鲁棒全散度图形模糊聚类分割算法的分割效果和抗噪鲁棒性均有明显改善。(本文来源于《兵工学报》期刊2019年09期）
沐燕舟,丁卫平,高峰,余利国,张琼[8]（2019）在《基于自适应PSO的改进K-means算法及其在电子病历聚类分析应用》一文中研究指出针对传统的K-means算法在过分依赖初始聚类中心选取方面的不足,论文提出了一种基于自适应PSO的K-means聚类算法。该算法设计了一种自适应惯性权重函数对PSO进行动态调整,然后与K-means算法融合,使K-means的各个初始聚类中心能自适应生成,达到全局最优,最后将上述改进的聚类算法应用于医学电子病历数据病症的聚类处理。实验结果表明该算法具有更高的电子病历病症聚类准确率和执行效率。(本文来源于《计算机与数字工程》期刊2019年08期）
金秋含,王阳萍,杨景玉[9]（2019）在《自适应空间信息MRF的FCM遥感图像聚类》一文中研究指出针对传统的模糊C均值聚类算法在图像聚类时存在的不足,提出一种基于自适应空间信息MRF的FCM遥感图像聚类算法。利用空间引力模型和空间结构特征,构造一个自适应空间信息的马尔可夫随机场,将其引入到FCM模型中,使其能够自动平衡对噪声的不敏感并保留图像边缘细节的有效性,提高图像的聚类精度。为验证所提算法的有效性,利用不同的遥感图像进行实验,并与传统的聚类算法对比,实验结果表明,所提算法表现出更好的聚类效果。(本文来源于《计算机工程与设计》期刊2019年08期）
宋伟,张东[10]（2019）在《基于超声图像的自适应谱聚类方法研究》一文中研究指出为精确提取超声肿瘤图像的肿瘤区域,基于分裂合并思想,结合自协调谱聚类方法,提出一种基于超声图像的自适应谱聚类方法。该方法在分裂阶段用SLIC算法将图像分割成超像素,根据肿瘤区域和背景区域的纹理特征差异选取合适的纹理特征,在合并阶段用自协调谱聚类算法自动确定谱聚类数目,聚出肿瘤区域,并用先验知识提取分割结果中的肿瘤区域。将该算法提取的肿瘤区域和人工分割的肿瘤区域比较,准确度达到93. 41%,结果比较准确。(本文来源于《信息技术》期刊2019年08期）
自适应聚类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了减少大规模数据集在聚类过程中的计算复杂度和运行时间,本文提出了一种基于自适应网格划分和决策图的聚类算法AGPCA.首先,采用相对熵自适应划分数据空间,形成明显的稀疏网格和稠密网格.将网格作为聚类对象,降低以点为对象之间的距离计算复杂度.之后,依据决策图思想确定簇心网格对象,并通过Kd树完成邻接网格的查找和合并以实现聚类.以多个标准数据集和真实的出租车GPS轨迹数据作为测试对象,并与现有一些先进的聚类算法进行对比实验.实验结果表明所提算法结合了网格划分和局部距离判断的优点,具有较高的准确性和运行效率.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应聚类论文参考文献
[1].孙伟,宋如意,丁伟.步态特征提取的K均值聚类自适应判别[J].测绘科学.2019
[2].蔡莉,江芳,许卫霞,梁宇.一种基于自适应网格划分和决策图的聚类算法研究[J].小型微型计算机系统.2019
[3].王保锋,麻晓璇,李金星.一种自适应模糊连接点聚类算法[J].计算机与现代化.2019
[4].曾绍华,唐文密,詹林庆,黄秀芬.基于自适应密度峰值聚类的野外紫色土彩色图像分割[J].农业工程学报.2019
[5].周友行,马逐曦,石弦韦,刘汉江.工件表面缺陷图像检测中的自适应聚类[J].表面技术.2019
[6].蒋华,林森,王鑫,王慧娇.海洋数据下的密度自适应聚类算法[J].计算机工程与设计.2019
[7].吴成茂,孙佳美.基于全散度的自适应鲁棒图形模糊聚类算法[J].兵工学报.2019
[8].沐燕舟,丁卫平,高峰,余利国,张琼.基于自适应PSO的改进K-means算法及其在电子病历聚类分析应用[J].计算机与数字工程.2019
[9].金秋含,王阳萍,杨景玉.自适应空间信息MRF的FCM遥感图像聚类[J].计算机工程与设计.2019
[10].宋伟,张东.基于超声图像的自适应谱聚类方法研究[J].信息技术.2019
论文知识图
