基于KNN的均值漂移图像分割算法的一篇论文,希望对大家有帮助
基于对传统二维最大熵算法各种改进方法分析,提出了一种基于判决域自动约束的二维最大熵改进算法。该算法提出了可以自动确定判决域大小的经验公式,与以往的改进算法相比,不仅减少了算法的运算量,同时具有自适应性
SUBCLU高维子空间聚类算法在自底向上搜索最大兴趣子空间类的过程中不断迭代产生中间类,这些中间类的产生消耗了大量时间,针对这一问题,提出改进算法BDFS-SUBCLU,采用一种带回溯的深度优先搜索策
152 30 4 2007 8 ; TP751 A 1001-8379(2007)04-0152-03 A METHOD IMPROVED ON HISTOGRAM EQUALIZATION FOR
为了更好地改善图像分割效果,提出一种自适应空间信息的模糊聚类算法(adaptivespatialinformationfuzzyclustering,ASIFC)。算法将图像空间信息与FCM算法相结合
以往的轮廓匹配算法中所用的轮廓表示方法大多需要大量繁琐的计算,大大增加了算法的时间复杂度,为此提出一种新的轮廓特征表示方法,简化了此部分的计算。首先求出待匹配图像单像素宽的轮廓曲线上像素点的坐标序列,
为了解决在跟踪目标过程中的遮挡问题,引入Kalman滤波器为MeanShift跟踪算法选择初始点,在跟踪稳定的情况下进行模型更新以消除由于目标缓慢变化而产生的累积误差对跟踪结果的影响。根据Kalman
Lingras 提出的粗k 均值聚类算法易受随机初始聚类中心和离群点的影响, 可能出现一致性和无法收敛的聚 类结果. 对此, 提出一种改进的粗?? 均值算法, 选择潜能最大的k 个对象作为初始的聚类中
针对模糊C均值(FCM)聚类算法中,聚类效果往往受到聚类数目和初始聚类中心影响这一问题,提出了基于平均信息熵确定聚类数目的方法,并采用密度函数法来获得初始聚类中心。
对于目前传统的k均值进行改进算法更好,对大家学习K均值很有帮助