期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于密度峰值的云变换加速机制
1
作者 杨洁 王国胤 《小型微型计算机系统》 CSCD 北大核心 2018年第6期1299-1304,共6页
云模型是在概率论和模糊理论基础上提出的一种认知模型,可以实现定性概念与其定量数值的双向转换模型.自适应高斯云变换(Adaptive Gaussian Cloud Transformation,AGCT)是云模型最常见的一种粒计算机制.AGCT从数据拟合的角度实现了不... 云模型是在概率论和模糊理论基础上提出的一种认知模型,可以实现定性概念与其定量数值的双向转换模型.自适应高斯云变换(Adaptive Gaussian Cloud Transformation,AGCT)是云模型最常见的一种粒计算机制.AGCT从数据拟合的角度实现了不同概念层次、不同粒度的概念提取.但是,由于AGCT进行概念跃升需要从最细粒度的数据开始,导致时间复杂度较高.本文借鉴密度峰值聚类算法的思想,为AGCT跨层提供先验知识,提出一种利用关键信息粒加速高斯云变换机制——AGCTacc,从而避免了迭代次数过高,加速变粒度的过程.通过图像分割实验显示,本文提出的方法 AGCTacc与AGCT在不同数据集上最终生成的云概念参数几乎相同,即分割效果很接近,而AGCTacc的时间损耗却比AGCT减少很多. 展开更多
关键词 密度峰值 高斯云变换 粒计算 图像分割
密度峰值聚类相关问题的研究 预览 被引量:3
2
作者 杨洁 王国胤 《南京大学学报:自然科学版》 CSCD 北大核心 2017年第4期791-801,共11页
相对于其他的密度聚类算法,密度峰值聚类(Density Peaks Clustering,DPC)算法思想简洁新颖,所需参数少,不需要进行迭代求解,而且具有可扩展性.但是,DPC仍然具有一定缺陷,例如存在截断阈值dc的定义模糊以及选取中心点失效等问题.在阐述... 相对于其他的密度聚类算法,密度峰值聚类(Density Peaks Clustering,DPC)算法思想简洁新颖,所需参数少,不需要进行迭代求解,而且具有可扩展性.但是,DPC仍然具有一定缺陷,例如存在截断阈值dc的定义模糊以及选取中心点失效等问题.在阐述了DPC的算法思想和原理的基础上,分析了DPC算法的缺陷,然后从多个改进的角度对其相关研究工作进行了综述.通过分析DPC与相关理论(数据场、图论、粒计算等)的联系,针对密度峰值的缺点,提出了基于粒计算的DPC算法改进框架,其中包括由细到粗、由细到粗和双向变粒度这三种机制以及基于网格粒化的密度峰值算法框架.最后对DPC今后的研究工作进行了展望,包括动态密度峰值聚类、利用密度峰值研究网络拓扑、处理复杂任务以及改进其他聚类等,希望为DPC的进一步研究提供新思想. 展开更多
关键词 密度聚类 密度峰值 粒计算 图论
在线阅读 免费下载
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈