论文研究基于K均值聚类的多雷达数据融合算法研究.pdf

在“当前”统计模型的基础上建立了匀加速运动模型，设定了目标的运动过程，考虑到实际应用的局限，利用自适应扩展卡尔曼滤波（AEKF）对目标的运动状态进行估计。为得到更加精确可靠的信息，利用凸组合融合算法和

基于代数多重网格的分块融合算法，黄颖，谢蓉，根据代数多重网格对图像的结构信息有较好的提取能力，本文提出了一种基于代数多重网格的分块融合算法。首先提取图像粗网格数据，

提出一种基于改进PSO的优化滤波算法，构造多指标均衡的适应度函数，把滤波增益作为PSO的粒子进行优化求解，同时将最小方差鲁棒滤波增益和H∞滤波增益以及它们的组合平均值作为PSO的初始粒子，赋予粒子一定

k均值聚类算法，k-means，实现

针对K-均值算法在随机选取初始类中心时存在不足、对噪声和孤立点敏感、不适用于发现大小差别很大的类的问题，借鉴分子间的相互作用力模型，将文本模拟成数据场中的数据点，综合考虑文本间的相似度和相异度，提出一

针对现有的单视图数据竞争聚类算法无法高效处理多视图数据的问题，提出了基于视图相关因子的多视图数据竞争聚类算法。首先，为了描述不同视图之间的相关性定义了一种视图相关性因子；然后，将视图相关因子与谱方法关

将一种改进的K均值聚类算法应用于支持矢量机（SVM）的训练。基于这一改进的聚类算法,设计了SVM的增量式训练步骤,并给出了在训练过程中删除无用样本的的方法。模式分类的实验结果表明,这种改进的K均值聚类

基于物品属性聚类的融合协同过滤算法，梁佳男，张华，随着信息技术的发展，各式各样的推荐系统早已广泛地应用在电子商务、新闻推荐等领域。协同过滤可以算是推荐系统众多推荐算法中，

电力企业通常根据电力负荷数据，采用传统的K-Means算法对客户进行划分，而这种方法最大的缺陷就是必须由用户手动指定聚类簇数。提出了一种将Canopy算法和K-Means算法结合应用于负荷聚类的方法，

在大数据环境下,多源舁构知识的融合为研究者从众多分散 、异构的数据源和知识源 中挖掘 出隐含 的、有价值的和尚未微发现的信息和知识提供了非常有效的手段和方法。针对 目前知识融合方法的不足 .在对大数据