针对传统基于密度树网格聚类算法中存在人为设置密度阈值、重复查询邻域内对象以及边界点处理不当等问题,提出了一种改进的基于密度与网格的聚类算法。该算法首先将全部网格的平均密度值作为其密度阈值,避免了人为设
提出了一种基于K-L变换和聚类的视频摘要方法。首先通过对视频帧原始RGB空间进行K-L变换,得到由主轴构成的参数模型;其次运用滑动窗口法进行镜头检测;再次,根据最邻近规则对每个镜头的视频帧进行聚类;最
针对目前尺度不变的图像特征点提取算法计算量较大,算法较复杂的问题,提出一种简化的SIFT图像特征点提取算法。此算法通过改变金字塔尺度空间的结构实现对SIFT特征点提取过程的简化,通过改变特征点描述子的
特征点匹配在图像检索、模式识别等技术中起着重要的作用。已有的匹配算法如SIFT(DoG),Harris以及SUSAN算法,虽然可以提取高质量的特征点,但是这些算法本身计算量比较大,难以将其运用于实时性
特征选择是数据挖掘和机器学习领域中一种常用的数据预处理技术。在无监督学习环境下,定义了一种特征平均相关度的度量方法,并在此基础上提出了一种基于特征聚类的特征选择方法FSFC。该方法利用聚类算法在不同子
分析论文Clusteringbyfastsearchandfindofdensitypeaksd,整理局部密度的聚类分析方法,对故障检测方向的学者提供帮助,重点分析该算法的有效性,如何用密度实现数据的
基于特征权重优化的K-中心点聚类算法,陈新泉,,为构造出更适合于混合属性数据点集空间的相异性度量,从而找到数据点集的更有意义的聚类分布,提出了基于特征权重优化的K-中心点�
摘要: 聚类分析是数据挖掘中一个重要研究内容。传统的聚类算法可划分为硬聚类和模糊聚类两大类, 提出 一种基于对象集上的相容关系的聚类算法, 该算法通过极大相容簇来对数据对象集进行分类, 使得同一对象可
根据基因表达数据的特点,提出一种高精度的基于密度的聚类算法DENGENE。DENGENE通过定义一致性检测和引进峰点改进搜索方向,使得算法能够更好地处理基因表达数据。为了评价算法的性能,选取了两组广为
研究R树特点,考虑了离群点对R树结点构造的影响,结合改进的k-medoids聚类算法提出了一种新的R树构造算法。与传统R树相比,新算法下构造的R树结点更加紧凑。通过实验证明,该优化算法构造的R树在查询