排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
针对传统K均值聚类算法对初始聚类中心敏感,易陷入局部最优和对大数据集聚类速度慢的缺点,将ARIA与Kmeans算法相结合,提出了一种ARIA-Kmeans算法,即基于自适应半径免疫的K均值聚类算法。首先利用自适应半径免疫算法对数据进行预处理,产生能够代表原始数据分布以及密度信息的内部镜像数据;然后用K均值聚类算法对其进行多次聚类,获得最佳聚类中心,并将其作为初始聚类中心,推广到全部数据优化聚类效果;最后对其结果进行评价。实验结果表明,相对于传统Kmeans算法,新算法在保证聚类准确度的前提下,提高了算法运行的时间效率和稳定性。 相似文献
2.
针对传统的边缘提取算法,在提取边缘时,不完整、不连续,尤其在高噪声情况下,无法提取图像边缘等问题,提出一种基于先验知识的边缘提取算法.首先,学习与待边缘处理图像有相似纹理信息的图像,获得先验知识,对噪声图纹理进行修复;然后,再利用局部均匀稀疏度方法强化细节特征,弱化背景特征;最后,检测出图像边缘,达到提取图像边缘的目的... 相似文献
3.
选取地震频发的釜溪河流域"千年盐都"自贡市为研究对象,基于Google Earth、Landsat8等遥感数据,运用GIS技术评估滑坡灾害易发性风险,采用频率比灾害风险指数进行致灾因子的敏感性分析,将研究区滑坡灾害易发性风险划分为极低、低、中、高和极高5个等级.研究发现:(1)在致灾因子中,坡度的频率比值最高达19.2... 相似文献
1