在大量的航空图像中如何自动准确而且快速地识别出飞机型号,对于战地指挥员有着重要的意义。提出一种将傅里叶变换和奇异值分解相结合的航空机型自动并行识别方法。首先,对航空图像进行傅里叶变换,得到其具有位移不
论文研究-基于进化规划的FCMBP模糊聚类改进方法.pdf, 分析了基于摄动的模糊聚类方法(fuzzyclustering method based on perturbation, FCMBP),
针对雷达辐射源信号参数严重混叠、聚类数目未知等问题,提出一种基于入侵性杂草优化模糊聚类的智能算法,该算法无需事先设定聚类数目,而是在整个数据集的属性空间内并行搜寻最佳的聚类数目和聚类中心,具有结构简单
1 K-Means聚类 K-Means聚类是最常用的聚类算法,最初起源于信号处理,其目标是将数据点划分为K个类簇,找到每个簇的中心并使其度量最小化。该算法的最大优点是简单、便于理解,运算速度较快,缺点
核的求解是粗糙集理论的重要研究内容之一,也是很多属性约简的关键步骤.目前已有一些关于核的求解算法,但有关核的更新算法却报道不多.文献[9]给出了对象增加情况下核的更新算法,但没有考虑对象修改情况下的核
图像分割是指将一幅图像分解成若干互不相交区域的集合,其实质是一个像素的聚类过程。本文以图像分割的聚类实质为线索,对近几年国内外最新的图像分割算法进行了综述,指出了聚类在这个领域的重要性。
详细描述了FCM聚类算法的基本原理,并简要阐述了FCM用于图像分割的基本过程,最后给出FCM图像分割的结果。
本程序在对图像进行纹理分析(基于共发矩阵的方法)的基础上,获取图像不同区域的纹理特征,针对这些纹理特征,采用聚类(K-mean)的分类算法对图像进行区域划分!
传统k最近邻算法(k-NearestNeighbor,kNN)作为一种非参数化分类技术在数据分析中具有广泛的应用,但该算法具有较多的冗余计算,致使处理数据时需要花费较多的计算时间。目前大量的研究都集中
针对模糊C-均值(FCM)聚类算法对初始聚类中心选择敏感,易陷入局部最优的问题,提出一种量子粒子群优化改进的模糊C均值聚类算法。该算法引入的基于新距离标准的量子粒子群(AQPSO)算法不仅可以降低初始