您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. k均值 matlab

  2. 利用k均值算法对图像进行分割,用户自己指定分割的类别数目。次程序为matlab编写
  3. 所属分类:其它

    • 发布日期:2009-10-20
    • 文件大小:2kb
    • 提供者:xiaofei96217
  1. 基于核的K-均值聚类

  2. :将核学习方法的思想应用于K-均值聚类中,提出了一种核K-均值聚类算法,算法的主要思想是:首先将原空间中待聚类的样本经过 一个非线性映射,映射到一个高维的核空间中,突出各类样本之间的特征差异,然后在这个核空间中进行K-均值聚类。同时还将一种新的核 函数应用于核K-均值聚类中以提高算法的速度。为了验证算法的有效性,分别利用人工和实际数据进行K-均值聚类和核K-均值聚类,实验结 果显示对于一些特殊的类分布数据,核K-均值聚类比K-均值聚类具有更好的聚类效果
  3. 所属分类:其它

    • 发布日期:2009-12-24
    • 文件大小:138kb
    • 提供者:qingchun456
  1. 利用VC++实现的K均值聚类分析算法程序

  2. 本程序利用VC++实现了K均值聚类算法。样本空间已经写入程序,可以根据需要分成的种类数进行聚类分析。
  3. 所属分类:C++

    • 发布日期:2010-03-02
    • 文件大小:290kb
    • 提供者:visualman_whu
  1. 遥感的K均值分类方法进行bmp图像的分类

  2. 利用遥感的K均值分类方法进行bmp图像的分类.
  3. 所属分类:电信

    • 发布日期:2011-05-15
    • 文件大小:1mb
    • 提供者:panda1942
  1. 改进的 k均值聚类方法,供参考

  2. 改进的 k均值聚类方法,利用vc++实现,方便大家参考。
  3. 所属分类:C++

    • 发布日期:2011-05-24
    • 文件大小:1mb
    • 提供者:yufang2009
  1. 基于K均值的聚类算法

  2. 本代码以随机分布点为例,利用K均值对其进行聚类划分。程序基于OPENCV,可以通过调整最大迭代次数来调整系统的的性能。
  3. 所属分类:C++

    • 发布日期:2011-08-22
    • 文件大小:3kb
    • 提供者:bit319
  1. 利用MFC实现K-均值聚类算法

  2. 使用MFC实现了遥感图像处理中的非监督分类-K均值聚类,可以对绝大多数常用图像格式进行处理和分类,可以人工设置分类精度和分类类别,可以保存分类后的图像,代码注释很详细,界面也很美观。
  3. 所属分类:C++

    • 发布日期:2012-03-21
    • 文件大小:4mb
    • 提供者:ibattle123
  1. K均值聚类在基于OpenCV的图像分割中的应用 代码+论文

  2. 利用OpenCV实现基于K均值的彩色图像分割,并显示聚类后的灰度图和灰度直方图。
  3. 所属分类:专业指导

    • 发布日期:2013-06-29
    • 文件大小:4mb
    • 提供者:sunkaijie
  1. 利用k均值进行数据分类

  2. 利用k均值进行数据分类,而且是分为两类,效果很好,程序数据图像显示正确
  3. 所属分类:其它

    • 发布日期:2014-04-24
    • 文件大小:92kb
    • 提供者:qq_14905335
  1. 利用K均值进行图像分割

  2. 利用K均值进行图像分割有图有真相 程序好使
  3. 所属分类:C

    • 发布日期:2014-06-28
    • 文件大小:83kb
    • 提供者:qiuhuncl
  1. 基于K均值聚类和概率松弛法的图像区域分割

  2. 在进行图像区域分割时, 为了减少过度分割现象, 可利用K 均值算法简单、快速并且能够有效地处理大数据库的优点及概率松弛算法并行快速且考虑空间信息的优点, 同时考虑灰度信息和空间信息将两种方法相结合应用于图像的区域分割。首先利用K 均值聚类方法将图像初步分为多个类, 然后, 利用迭代的概率松弛法对粗分结果进行优化, 对一些疑似像素进行进一步分割和目标提取。实验结果表明, 该算法比较简单且具有良好的特性。
  3. 所属分类:C++

    • 发布日期:2015-11-03
    • 文件大小:209kb
    • 提供者:qq_30683647
  1. 利用k均值聚类检测叶病害的故障区域

  2. 利用K-均值聚类和Otsu方法,对叶片中的缺陷区域进行检测,以确定正确的处理过程。此外,如果计算出正常和错误区域的比率,就可以预测叶片是否能够完全治愈。
  3. 所属分类:算法与数据结构

    • 发布日期:2019-04-05
    • 文件大小:379kb
    • 提供者:weixin_42540699
  1. 太阳系行星的K均值聚类划分

  2. 太阳系行星的K均值聚类划分,梁泽,张恩溯,本文将一种数据驱动聚类算法--“K均值聚类法”引入到天文学领域,使计算机利用人工智能,成功地实现了对不同星球类型的自动分类。
  3. 所属分类:其它

    • 发布日期:2019-12-30
    • 文件大小:478kb
    • 提供者:weixin_38730840
  1. K-均值聚类算法研究

  2. 【摘要】 目前,对于聚类问题的研究普遍存在于社会生活中的各个领域,如模式识别、图像处理、机器学习和统计学等。关于对生活中各种各样的数据的聚类分类问题已经成为众多学者的研究热题之一。聚类和分类的区别在于,聚类没有任何先验知识可循,要通过数据自身的特点,将数据自动的划分到不同的类别中。聚类的基本形式定义为“在已给的数据集合中寻找数据点集的同类集合。每一个集合叫做一个类,并确定了一个区域,在区域中对象的密度高于其他区域中的密度。”聚类方法有很多种,其中最简单的形式便是划分式聚类,划分式聚类试图将给定的
  3. 所属分类:互联网

    • 发布日期:2020-07-04
    • 文件大小:3mb
    • 提供者:songzailu6482
  1. 基于小批量K均值预分类的多波束反向散射强度角度影响改正

  2. 角度响应变化是影响多波束声呐回波图像质量的主要因素,为了后续利用多波束反向散射图像进行海底底质分类,需去除角度响应的影响。国内外已开展角度响应模型及改进模型研究,但现有方法很难适应复杂海底底质环境。针对此问题,通过小批量K均值聚类将测区海底点预分为高阻抗平滑底质和低阻抗粗糙底质,然后构建自适应改正模型逐测线去除角度响应的影响。实验选用浙江海域实测4条相邻测线数据,采用Lambert模型法、二次微分法和本文方法分别进行了反向散射强度角度影响去除。本方法处理后角度响应去除效果最佳(MIC=0.123
  3. 所属分类:其它

  1. opencv中利用K均值进行点集分类

  2. opencv新手可用
  3. 所属分类:C/C++

    • 发布日期:2020-12-24
    • 文件大小:31mb
    • 提供者:qq_44851109
  1. 改进的K均值聚类红外目标检测方法

  2. 利用图像方差能很好地反映目标边缘信息的特点,提出一种基于方差的K均值聚类红外目标检测算法。利用形态学方法对红外图像进行预处理,运用相应的模板计算得到红外图像的方差图像,利用K均值聚类算法对方差图像进行聚类,从而分离出目标类别和背景类别。实验表明,该算法提取的红外图像中目标信息的兰德指数最高,说明该算法能有效地提取红外图像中目标信息,从而达到目标检测的目的。
  3. 所属分类:其它

    • 发布日期:2021-03-11
    • 文件大小:440kb
    • 提供者:weixin_38499553
  1. 利用容量受限的K均值聚类进行长相短语分组

  2. 利用容量受限的K均值聚类进行长相短语分组
  3. 所属分类:其它

    • 发布日期:2021-03-05
    • 文件大小:215kb
    • 提供者:weixin_38720762
  1. 时间序列k均值_时间序列数据的新k均值类型平滑子空间聚类

  2. 现有的聚类算法在提取用于聚类时间序列数据的平滑子空间方面很弱。 在本文中,我们提出了一种新的k均值类型平滑子空间聚类算法,称为时间序列k均值(TSkmeans),用于对时间序列数据进行聚类。 提出的TSkmeans算法可以有效地利用时间序列数据集的固有子空间信息来增强聚类性能。 更具体地说,平滑子空间由加权时间戳表示,加权时间戳指示这些时间戳对于聚类对象的相对判别力。 我们工作的主要贡献包括设计一个新的目标函数,以指导时间序列数据的聚类,以及开发新颖的更新规则,以针对平滑子空间进行迭代聚类搜索。
  3. 所属分类:其它

    • 发布日期:2021-02-25
    • 文件大小:512kb
    • 提供者:weixin_38723192
  1. 基于图形处理单元的并行加权K均值聚类算法

  2. 在本文中,我们考虑了对大型数据集进行聚类的问题。 特别是,我们提出了一种基于图形处理单元(GPU)的并行加权k均值聚类算法(PW-kmeans),该算法使我们能够利用GPU的并行计算功能来加速传统加权k均值算法的运行过程。 PW-kmeans通过将加权k均值的运算转换为向量或矩阵之间的乘法,加法和逐元素运算的组合来工作。 由于与CPU(Central Processing Unit)相比,GPU在向量和矩阵运算方面具有明显的速度优势,因此我们开发了使用GPU的并行加权k-means聚类算法。实验
  3. 所属分类:其它

    • 发布日期:2021-02-25
    • 文件大小:385kb
    • 提供者:weixin_38680308
« 12 3 4 5 6 7 »