注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 大数据集快速均值漂移谱聚类算法

  2. 均值漂移谱聚类(MSSC)算法为模式识别聚类任务提供了一种较新的方案. 然而由于其内嵌均值漂移 过程的时间复杂度与样本容量呈平方关系, 其在大数据集环境的实用性受到大大削弱. 利用快速压缩集密度 估计器(FRSDE)替代Parren窗密度估计式(PW)并融合基于图的松弛聚类(GRC)方法, 提出了快速均值漂移谱聚 类(FMSSC)算法. 相比原MSSC, 该算法的总体渐进时间复杂度与样本容量呈线性关系, 并具有自适应性和便捷性.

  3. 所属分类：其它

    • 发布日期：2012-12-06
    • 文件大小：591kb
    • 提供者：xiaofeng1988

  1. 均值漂移算法总结

  2. 将传统均值漂移算法进行改进，针对有遮挡，目标快速变化以及目标尺度变化等情况进行改进

  3. 所属分类：软件测试

    • 发布日期：2013-12-06
    • 文件大小：370kb
    • 提供者：zengyajun

  1. 基于快速均值漂移和水平集方法的图像分割技术

  2. 这是一篇介绍采用改进的快速均值漂移和水平集方法来分隔图像的文章，并通过实验验证了此方法的有效性 很有借鉴意义

  3. 所属分类：专业指导

    • 发布日期：2009-04-22
    • 文件大小：318kb
    • 提供者：moliujianzun

  1. 艾默生(罗斯蒙特)温度产品样本.pdf

  2. 艾默生(罗斯蒙特)温度产品样本pdf,提供艾默生(罗斯蒙特)温度产品样本资料下载，资料主要介绍了温度产品的规格及应用成功的应用 全面的支持 ·利用无线温度变送器测量回转窑中区的 全球运营 温度,使产量提高了5% 艾默生温度产品由遍布全球的生产基地制造,因此无论 ·热备份功能使临界化学反应器重要温度 您在哪里,只要您需要,我们都可以为您提供最佳的交 点的测量数据丢失风险降低80% 付和支持服务。我们在主要基地设有广泛的服务和支持 ·已获专利的蓝宝石传感器使得气化反应 人员网络,包括本地维修和现场服

  3. 所属分类：其它

  1. 融合均值漂移和改进的K均值聚类的颜色量化

  2. 针对经典K均值聚类算法需要事先给定量化数目和量化时间长的问题,提出了一种融合均值漂移和改进的K均值聚类的颜色量化算法。首先把图像从RGB空间转化到Munsell空间,然后依据均值漂移算法以及NBS距离与人类视觉对颜色差别的定量关系自动确定量化数目,最后以kd树作为数据结构来运行K均值算法从而实现图像的快速量化。

  3. 所属分类：其它

    • 发布日期：2020-07-04
    • 文件大小：131kb
    • 提供者：weixin_38602982

  1. 通过显着区域匹配进行图像位置估计

  2. 如今，图像的位置已在具有地理标记的大型图像语料库的许多应用场景中得到广泛使用。 对于未进行地理标记的图像，我们借助基于内容的图像检索通过地理标记的大型图像集来估计其位置。 在本文中，我们利用有用的视觉单词的空间信息来改善图像位置估计（或基于内容的图像检索性能）。 我们建议通过均值漂移聚类生成视觉单词组。 为了提高检索性能，利用空间约束对视觉单词的相对位置进行编码。 我们建议为每个视觉单词生成一个位置描述符，并为视觉单词组建立快速索引结构。 实验证明了我们提出的方法的有效性。

  3. 所属分类：其它

  1. 具有用于医学图像分割的自动初始化和控制参数的新型水平集模型

  2. 在本文中，提出了一种无需手动生成初始轮廓和手动设置控制参数的水平集模型来进行医学图像分割。 本文的贡献主要体现在三个方面。 首先，我们提出了一种基于全局图像信息的自适应均值漂移聚类方法，以指导水平集的演化。 通过简单的阈值处理，均值漂移聚类的结果可以自动，快速地生成水平集演化的初始轮廓。 其次，基于聚类结果和图像特征，我们设计了几个新功能来估计水平集演化的控制参数。 第三，采用React扩散法代替RSF-level集模型的距离正则项，可以有效地提高分割的准确性和速度，而无需人工干预。 实验结果证

  3. 所属分类：其它

  1. 一种基于算法融合的红外目标跟踪方法

  2. 视频目标跟踪的难点在于快速、准确地在帧与帧之间匹配目标。由于红外图像目标与背景的反差低,图像的边缘模糊并且灰度级动态范围小,使红外目标跟踪难度比可见光更大。本文提出一种针对红外目标跟踪的融合算法,该方法融合直方图和不变矩的特点。首先利用目标的直方图计算简单快速的特点,由均值平移算法快速找到局部最优解,但由于该局部最优解仅为直方图匹配的最优解,缺少目标形状特征,与实际目标位置存在一定的偏差; 其次,利用边缘不变矩作为修正特征修正误差,避免跟踪误差逐渐累计而最终导致跟踪失败,以提高跟踪的稳定性和精度

  3. 所属分类：其它