导读:本文包含了空间聚类论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:空间,拓扑,数据,均值,颜色,形态学,方法。
空间聚类论文文献综述
孙勇,王会蒙,靳奉祥,杜云艳,季民[1]（2019）在《一种基于空间-拓扑结构相似性的复杂轨迹聚类算法》一文中研究指出复杂的面状空间实体如海洋涡旋、环流和降雨过程在运动过程中会产生更复杂的轨迹,即具有分支结构的复杂轨迹。为了挖掘这类复杂轨迹的运动模式特征,本文从复杂轨迹的拓扑结构和空间特征出发,创新性地提出复杂轨迹的空间-拓扑结构相似性度量算法(Spatial-Topological Similarity Measurement, STSM),该算法是基于图同构算法VF2改进的。首先STSM算法将复杂轨迹用带有节点和边的图结构表达,并将空间信息融入图结构的节点属性中,通过匹配复杂轨迹之间所有最大公共子结构,找到匹配结构中节点之间一一对应的关系,利用加权的欧式距离计算复杂轨迹匹配结构中点对之间的空间距离。然后,基于STSM相似性算法进行层次聚类分析,旨在发现复杂轨迹之间相似的拓扑结构在空间上的聚集模式。最后,利用1993-2016年长时间序列的中国南海冷涡复杂轨迹验证方法的有效性,并对比分析复杂轨迹拓扑结构相似性算法CSM。结果表明:单纯用拓扑结构相似性算法CSM进行聚类分析,不能充分挖掘空间的聚集模式,因为不同空间位置也存在拓扑结构相似的轨迹。而本文提出的STSM算法将南海冷涡复杂轨迹分为5类,第一类分布在南海北部、第二类分布在南海中部、其他叁类交错在南海南部。这种聚集模式在一定程度上反映了冷涡的生成和演化过程在南海北部、中部、南部的差异性,同时也表明了冷涡移动在南海南部存在更为复杂的异质性。因此,本文提出的方法可以有效地从复杂轨迹数据中发现其演化过程的潜在聚集模式,为认识这类复杂动态现象的时空演化特征提供了一种新的方法。(本文来源于《地球信息科学学报》期刊2019年11期）
卞佳丽,梅雪,张晋[2]（2019）在《基于稀疏子空间的视频人脸聚类方法》一文中研究指出为提高视频人脸聚类性能,解决视频中的人脸易受到光照强度、物体遮挡和背景变化等因素的干扰的问题,提出一种基于视频先验知识、多视图和轨迹信息约束的人脸聚类研究方法。对聚类样本进行多特征提取,利用稀疏子空间表示算法获取人脸稀疏系数表示矩阵,使用轨迹信息和KNN重构系数矩阵,结合协同谱聚类算法获得人脸聚类结果。通过Notting Hill库和电影轨迹人脸库两个数据集验证该方法的可行性,实验对比结果表明,该方法对于视频中的人脸聚类具有较好的性能。(本文来源于《计算机工程与设计》期刊2019年11期）
程铃钫,陈黎飞,赖晓燕,林燕[3]（2019）在《不平衡数据软子空间聚类算法在临床医学中的应用与研究》一文中研究指出聚类分析是数据挖掘中重要的研究课题,在信息过滤、生物信息学,医学等领域得到广泛应用。本课题着重于自上而下的子空间聚类方法,主要原因是当前主要的此型算法都是以K-means或K-modes为基础的,在均匀效应的影响下,不平衡数据的问题是现有的软子空间算法不能有效聚类的,所以提出了一种基于划分的不平衡数据软子空间聚类新算法。所提算法提高了不平衡数据的聚类精度,在生物信息学和临床医学等领域具有一定的理论意义和实际应用价值。(本文来源于《软件》期刊2019年11期）
施伟锋,卓金宝,兰莹[4]（2019）在《一种基于属性空间相似性的模糊聚类算法》一文中研究指出模糊C均值(FCM)聚类算法及其相关改进算法基于最大模糊隶属度原则确定聚类结果,没有充分利用迭代后的模糊隶属度矩阵和簇类中心的样本属性特征信息,影响聚类准确度。针对这个问题,该文提出一种新的改进思路:改进FCM算法输出定类原则。给出二元属性拓扑子空间中属性相似度的定义,最终提出一种基于属性空间相似性的改进FCM算法(FCM-SAS):首先,选择FCM算法聚类后模糊隶属度低于聚类置信度的样本作为存疑样本;然后,计算存疑样本与聚类后聚类中心的属性相似度;最后,基于最大属性相似度原则更新存疑样本的簇类标签。通过UCI数据集实验,证明算法不仅有效,还较一些基于最大模糊隶属度原则定类的改进算法具有更优的聚类评价指标。(本文来源于《电子与信息学报》期刊2019年11期）
黄丹,鲁先虎,潘怡雯,何强,张蓓[5]（2019）在《基于颜色空间特征自动聚类算法的蓝宝石颜色分级方法初探》一文中研究指出在蓝宝石颜色分级中基本以鉴定师肉眼评判为主,易受主观意识影响。此次研究共收集180颗不同颜色级别的蓝色蓝宝石样品,使用GEM-3000紫外-可见光分光光度计中CIE1976色空间测量提取样品颜色特征。其中140颗样品使用Kmeans算法做聚类分析,验证不同颜色分级样品在颜色空间特征的可分性,并得到每类样品最佳中心。余下的40颗样品通过计算每类中心的欧式距离,取距离最近的类别作为样品的预测标签,从而实现自动分级,准确率达到97.5%。实验结果显示,本文提出的方法可以有效的结合人工智能算法用于蓝宝石自动分级,并取得较高的精度。(本文来源于《中国国际珠宝首饰学术交流会论文集（2019）》期刊2019-11-13）
张红霞,章银娥[6]（2019）在《基于Lab空间的K均值聚类彩色图像分割方法》一文中研究指出在RGB和HSV空间中做图像分割时存在一些问题,比如分割精度低、处理进度慢等.为了解决这些问题,在K均值聚类分割方法的基础上,通过L*a*b*颜色空间进行分割的方法被提出.首先将原始RGB空间利用XYZ空间转换到L*a*b*颜色空间中,在L*a*b*颜色空间模式中使用a*b*二维数据空间的色差,K均值聚类算法的参数被不断调整,并通过数学形态学去校正聚类结果.最后得到病斑图像.本文通过该方法对4种脐橙病虫害进行分割,实验的结果表明,病斑区域能够在本文提出的方法中较为准确地把分割出来,并且对脐橙4种病虫害彩色图像的分割效果理想,显着提高了准确率,同时也表现出了该方法的竞争性.(本文来源于《赣南师范大学学报》期刊2019年06期）
王锟朋,钟汇才[7]（2019）在《基于子空间聚类的视频人脸数据自动标注》一文中研究指出针对人脸数据标注所需的人工和时间成本巨大,标注出的人脸数据集含有较多噪声问题,提出一种基于子空间聚类的视频人脸数据自动标注方法。首先,将海量视频作为人脸数据的采集来源,以满足多种人脸识别任务中不同的人脸数据需求,然后使用人脸识别模型将人脸数据映射到特征空间,使用改进K近邻算法把人脸数据划分到不同的子特征空间,最后在每个子特征空间内使用K均值算法分离人脸数据中的正样本、难正样本与负样本,收集难正样本构建人脸数据集。实验在公开数据集LFW与真实待标注数据上进行,实验结果表明子空间聚类法的F1度量得分比传统聚类算法分别提高了10%和7%,数据标注速度达到传统人工标注的10倍。使用该方法建立了一个包含200个ID、9 500张人脸照片的模糊人脸数据集,可用于多种人脸识别问题的研究。(本文来源于《电子设计工程》期刊2019年21期）
张苏宁,王月娟,吴水明,景栋盛[8]（2019）在《基于Krylov子空间方法的网络入侵数据聚类》一文中研究指出网络信息安全中的数据具有维数高、规模复杂等特性。网络入侵检测需要对网络入侵信息进行合理的分析,筛选出危险的带有攻击性的行为。随着数据维数的不断升高,传统的基于距离的聚类分析方法不再适用。针对此,本文提出一种基于Krylov子空间方法的高维数据聚类分析算法,首先将高维数据投影到低维空间,实现数据的降维,再用基于遗传算法的K-means算法在低维空间中进行数据的聚类,避免了数据属性的丢失,同时也提高了高维数据聚类分析的效率。最后,使用KDD Cup 99数据进行实验,实验验证了方法的有效性和精确性。(本文来源于《计算机与现代化》期刊2019年10期）
张勇,陈菊[9]（2019）在《基于决策树的网络高维数据软子空间聚类方法研究》一文中研究指出典型网络高维数据软子空间聚类方法采用软子空间聚类算法,根据目标函数最优解判断聚类是否最优,最优解计算过程容易过度拟合陷入局部最优,导致分类结果精度低。故文中提出基于决策树的网络高维数据软子空间聚类方法,根据信息增益选择决策树节点,在信息增益基础上添加分裂信息项防止决策树节点过度分类,获取不同树节点属性类别划分结果。在此基础上采用后剪枝技术删除含有噪音和干扰属性结点,将包含样本数量最多的分类结果视为网络高维数据软子空间的分类结果。仿真实验结果表明,所提方法聚类分析正确率随着网络高维数据集维数的增加而增加,且随样本数量增加的同时运行时间增长幅度较低,用时较短,是一种应用价值高的网络高维数据软子空间聚类方法。(本文来源于《现代电子技术》期刊2019年20期）
卢健[10]（2019）在《基于空间热点与聚类区域空间自相关分析方法的乡域单元耕层地力资源评价研究》一文中研究指出基于农安县各乡域耕层地力资源,使用ArcGIS平台,文章建立了农安县耕层地力资源的部分土壤属性数据的全氮、有效磷、有效钾及有机质养分数据库,运用全局自相关的两种分析方法(聚类和异常值分析及热点分析)分析了养分数据分布特征。结果表明:不同类型耕地质量指数均表现出较强的空间正相关性,研究结果对于耕地保护与优化布局政策提供理论方法和参考借鉴,同时也为农田精准作业的实施提供了决策依据。(本文来源于《无线互联科技》期刊2019年19期）
空间聚类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为提高视频人脸聚类性能,解决视频中的人脸易受到光照强度、物体遮挡和背景变化等因素的干扰的问题,提出一种基于视频先验知识、多视图和轨迹信息约束的人脸聚类研究方法。对聚类样本进行多特征提取,利用稀疏子空间表示算法获取人脸稀疏系数表示矩阵,使用轨迹信息和KNN重构系数矩阵,结合协同谱聚类算法获得人脸聚类结果。通过Notting Hill库和电影轨迹人脸库两个数据集验证该方法的可行性,实验对比结果表明,该方法对于视频中的人脸聚类具有较好的性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
空间聚类论文参考文献
[1].孙勇,王会蒙,靳奉祥,杜云艳,季民.一种基于空间-拓扑结构相似性的复杂轨迹聚类算法[J].地球信息科学学报.2019
[2].卞佳丽,梅雪,张晋.基于稀疏子空间的视频人脸聚类方法[J].计算机工程与设计.2019
[3].程铃钫,陈黎飞,赖晓燕,林燕.不平衡数据软子空间聚类算法在临床医学中的应用与研究[J].软件.2019
[4].施伟锋,卓金宝,兰莹.一种基于属性空间相似性的模糊聚类算法[J].电子与信息学报.2019
[5].黄丹,鲁先虎,潘怡雯,何强,张蓓.基于颜色空间特征自动聚类算法的蓝宝石颜色分级方法初探[C].中国国际珠宝首饰学术交流会论文集（2019）.2019
[6].张红霞,章银娥.基于Lab空间的K均值聚类彩色图像分割方法[J].赣南师范大学学报.2019
[7].王锟朋,钟汇才.基于子空间聚类的视频人脸数据自动标注[J].电子设计工程.2019
[8].张苏宁,王月娟,吴水明,景栋盛.基于Krylov子空间方法的网络入侵数据聚类[J].计算机与现代化.2019
[9].张勇,陈菊.基于决策树的网络高维数据软子空间聚类方法研究[J].现代电子技术.2019
[10].卢健.基于空间热点与聚类区域空间自相关分析方法的乡域单元耕层地力资源评价研究[J].无线互联科技.2019
论文知识图
