期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
基于动态BoW模型的密文JPEG图像检索 预览
1
作者 韦秋含 梁海华 张新鹏 《应用科学学报》 CSCD 北大核心 2018年第4期628-634,共7页
为了实现高效的密文JPEG图像检索,提出了一种基于加密图像AC系数统计直方图的动态检索方案. 首先,根据密文图像的AC系数采用自适应k-均值聚类构建动态词袋(bag-of-word,BoW)模型. 其次,借助BoW模型将图像块的AC系数统计特征转化为全... 为了实现高效的密文JPEG图像检索,提出了一种基于加密图像AC系数统计直方图的动态检索方案. 首先,根据密文图像的AC系数采用自适应k-均值聚类构建动态词袋(bag-of-word,BoW)模型. 其次,借助BoW模型将图像块的AC系数统计特征转化为全局直方图特征. 最后,由服务器根据直方图特征来判断相似性,从而提高检索效率. 即使密文图像库动态更新,如密文图像的新增与删除,该检索方案也是鲁棒高效的. 实验结果表明,该方案在保证检索准确度的同时大大提高了检索效率,具有实际应用价值. 展开更多
关键词 密文JPEG图像检索 自适应k-均值聚类 词袋模型 动态更新
在线阅读 下载PDF
面向海量用户用电特性感知的分布式聚类算法 被引量:25
2
作者 朱文俊 王毅 +3 位作者 罗敏 林国营 程将南 康重庆 《电力系统自动化》 EI CSCD 北大核心 2016年第12期21-27,共7页
智能电表的普及促进了配用电大数据的发展。通过对用户用电数据的挖掘和用电特性的感知,能够有效识别用户用电模式、评估需求响应潜力、指导电价制定等。然而,用户用电数据一方面随时间不断更新,增长迅速,呈海量态势;另一方面,数据采集... 智能电表的普及促进了配用电大数据的发展。通过对用户用电数据的挖掘和用电特性的感知,能够有效识别用户用电模式、评估需求响应潜力、指导电价制定等。然而,用户用电数据一方面随时间不断更新,增长迅速,呈海量态势;另一方面,数据采集点分布在用户侧,具有极强的分散性。针对海量、分散的用电数据带来的挑战,文中提出一种新的分布式聚类算法。首先利用自适应k-means聚类算法对分布在各区域的用电数据进行局部聚类分析,提取各局部数据的典型负荷曲线,构建局部模型;然后利用传统聚类算法对获取的局部模型进行二次聚类分析,获取全局的典型负荷曲线,构建全局模型;最后向局部数据中心反馈全局聚类结果,实现全局聚类分析。通过爱尔兰实际量测用电数据证明了所提出算法的有效性。 展开更多
关键词 分布式聚类 自适应k-means 聚类算法 大数据 负荷曲线 态势感知
自适应K-means图像分割方法 预览 被引量:3
3
作者 王嘉栋 李寒松 《导航定位与授时》 2016年第5期66-69,共4页
本文提出了一种自适应K-means图像分割方法,该方法通过用Otsu方法来初步选取阈值作为初始K-means聚类中心,然后经过K-means聚类方法对图像进行分割,最后根据K-means获得的聚类中心与Otsu所确定的阈值进行平均计算,作为图像分割的阈值。... 本文提出了一种自适应K-means图像分割方法,该方法通过用Otsu方法来初步选取阈值作为初始K-means聚类中心,然后经过K-means聚类方法对图像进行分割,最后根据K-means获得的聚类中心与Otsu所确定的阈值进行平均计算,作为图像分割的阈值。实验结果表明:该方法自动快速形成的分割阈值较为合理,对图像能达到更好的分割效果,可以进一步提高后续图像匹配与定位的准确性。 展开更多
关键词 自适应K-means 图像分割 聚类中心 OTSU
在线阅读 免费下载
基于MSER的无人机图像建筑区域提取 被引量:10
4
作者 丁文锐 康传波 +1 位作者 李红光 刘硕 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2015年第3期383-390,共8页
对建筑区域自动检测与提取是无人机(UAV,Unmanned Aerial Vehicle)图像处理的一项重要功能.在分析无人机成像特点和最大稳定极值区域(MSER,Maximum Stable Extremal Regions)算法对无人机侦察图像建筑区域检测的适用性基础上,提出... 对建筑区域自动检测与提取是无人机(UAV,Unmanned Aerial Vehicle)图像处理的一项重要功能.在分析无人机成像特点和最大稳定极值区域(MSER,Maximum Stable Extremal Regions)算法对无人机侦察图像建筑区域检测的适用性基础上,提出了一种基于MSER的无人机侦察图像建筑区域提取算法.算法包含5步:无人机图像预处理,运用MSER算法分析计算图像稳定区域,通过计算稳定区域密度筛选建筑区域,进一步利用自适应K均值聚类算法对建筑区进行划分,最后采用Graham算法生成建筑区的边界从而实现了建筑区的自动提取.选取无人机实飞图像数据进行实验统计,本算法提取精度为92.25%;同时与基于Gabor变换的纹理特征、SIFT特征点的提取算法相比,建筑区域提取时间缩短,满足无人机实时应用需求. 展开更多
关键词 建筑区域提取 无人机图像预处理 最大稳定极值区域 自适应K均值聚类 Graham算法
LUV色彩空间中多层次化结构Nystrm方法的自适应谱聚类算法 被引量:4
5
作者 刘雅蓉 汪西莉 《中国图象图形学报》 CSCD 北大核心 2012年第4期 530-536,共7页
提出一种在LUV空间中基于多层次化结构Nystrom方法的自适应谱聚类算法。首先引入LUV色彩空间。避免了RGB色彩空间中色彩辨别阈对分割的影响,在纹理、边缘区域取得了更好的分割效果;其次将谱聚类算法中基于多层次化结构的方法和基于Nys... 提出一种在LUV空间中基于多层次化结构Nystrom方法的自适应谱聚类算法。首先引入LUV色彩空间。避免了RGB色彩空间中色彩辨别阈对分割的影响,在纹理、边缘区域取得了更好的分割效果;其次将谱聚类算法中基于多层次化结构的方法和基于Nystrom采样的方法结合起来,有效减少了运算时间、解决了数据量较大时计算过程中内存溢出的问题;最后在K均值聚类中通过对特征间隙(cigengap)的分析,自适应地选择K值的大小,解决了自动确定聚类数目的问题。将提出的方法在LUV色彩空间中和RGB色彩空间中分别进行图像分割实验,结果表明在LUV色彩空间中取得效果更加理想。同时也将提出的算法与基于Nystrfim方法的谱聚类算法(spectralclustering—Nystrom,SC—N)进行比较。实验结果表明,该算法在数据运算量、运行时间和分割结果上都优于SC-N方法。 展开更多
关键词 LUV色彩空间 多层次化结构Nystrm方法 自适应K均值算法 谱聚类 彩色图像分割
基于K-均值聚类算法的图像区域分割方法 预览 被引量:16
6
作者 李苏梅 韩国强 《计算机工程与应用》 CSCD 北大核心 2008年第16期 163-167,共5页
提出了一种自动确定聚类数目的K-均值聚类算法,并基于这种算法介绍了一种彩色图像区域分割方法。这种方法首先选择合适的彩色空间,抽取图像的像素点颜色、纹理及位置等特征,形成特征向量空间;然后,在此特征空间中,运用提出的方法... 提出了一种自动确定聚类数目的K-均值聚类算法,并基于这种算法介绍了一种彩色图像区域分割方法。这种方法首先选择合适的彩色空间,抽取图像的像素点颜色、纹理及位置等特征,形成特征向量空间;然后,在此特征空间中,运用提出的方法进行聚类和图像区域分割;最后,抽取图像区域的特征。对提出的方法进行了详细的介绍,给出头验结果分析,并与相类似的方法进行了比较实验。实验结果表明,提出的图像区域分割方法具有分割速度快、效果好等特点,适合于基于图像区域检索系统,具有较强的实用价值。 展开更多
关键词 自适应K-均值聚类 图像区域分割 图像区域特征
在线阅读 下载PDF
A Nexessary Condition about the Optimum Partition on a Finite Set of Samples and Its Application to Clustering Analysis
7
作者 叶世伟 史忠植 《计算机科学技术学报:英文版》 SCIE EI CSCD 1995年第6期 545-556,共12页
This paper presents another necessary condition about the optimum partition on a finite set of samples.From this condition,a corresponding generalized sequential hard k-means (GSHKM) clustering algorithm is built and ... This paper presents another necessary condition about the optimum partition on a finite set of samples.From this condition,a corresponding generalized sequential hard k-means (GSHKM) clustering algorithm is built and many well-known clustering algorithms are found to be included in it.Under some assumptions the well-known MacQueen;s SHKM (Sequential Hard K-Means) algorithm,FSCL(Frequency Sensitive Competitive Learning) algorithm and RPCL (Rival Penalized Competitive Learning) algorithm are derived.It is shown that FSCL in fact still belongs to the kind of GSHKM clustering algorithm and is more suitable for producing means of K-partition of sample data,which is illustrated by numerical experiment.Meanwhile,some improvements on these algorithms are also given. 展开更多
关键词 数据处理 有限样品集 优化分割
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈