导读:本文包含了均值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:均值,图像,算法,质心,模糊,特征,形态学。
均值聚类论文文献综述
孙伟,宋如意,丁伟[1]（2019）在《步态特征提取的K均值聚类自适应判别》一文中研究指出针对微惯性零速修正算法中步态特征的准确提取,以及步态特征的无规律性成为制约行人导航系统中步态信息提取与辨识的问题,该文提出一种基于K均值聚类自适应的行人步态特征辨别方法。分析行人步态规律并通过设定角速率阈值法对步态特征进行初判后,采用K均值聚类自适应算法设定时间阈值并将误判的步态进行纠正。为验证该算法的普适性,分别针对不同测试个体和同一个体5组不同行走速度条件下的步态特征判别实验,结果表明,本文提出的步态自适应判别方法对不同个体具有良好的适应性;为进一步验证K均值自适应步态判别算法对人员位置解算的准确性,分别开展圆形及400m跑道闭合行走实验,对比不同行走路径对应的位置误差可看出,解算位置误差虽然随行走距离增大而增加,但其相对误差均不超过2%。(本文来源于《测绘科学》期刊2019年12期）
陈鹏,程思,鲍婷婷,翟伶俐,王宏斌[2]（2019）在《基于二分K均值聚类算法的数字档案优化》一文中研究指出精细化预报服务和气象能源开发等需要时间序列长、空间和时间分辨率更高的气象资料,对逐小时资料的需求尤为突出。现存历史气象资料进行数字化扫描之后存在污点、褪色、模糊、字迹洇透等问题,不符合档案归档和服务的要求、同时也造成对图像进行数值提取的难度大大增加,提取结果的准确性也难以保证。本文提出一种基于K均值的图像优化算法,能够快速识别和区分图像背景和数据记录曲线,过滤图像中的噪点,统一数据记录曲线的颜色和粗细。经过优化之后的图像对比度和清晰度明显增加,体积明显缩小,实际应用中发现,经过优化之后的图像节约了存储资源和成本,同时清晰度有明显地提高,结果表明基于K均值的优化方法明显提高了气象数字化档案的质量和应用效果。(本文来源于《气象科技》期刊2019年06期）
李丽敏,温宗周,宋玉琴[3]（2019）在《优化K均值聚类在冗余特征剔除中的应用研究》一文中研究指出机械故障诊断中,为了提高诊断可靠性,往往采用多个特征共同决策,由此产生多维特征问题,维数过多会导致计算复杂度提高,不利于诊断的实时性。诊断所用的多个特征中,有些特征之间的耦合比较严重,有些特征之间互斥性比较强,得出的结论是特征冗余严重。为了剔除冗余特征,凸显其他特征对于诊断的重要作用,并提高计算速度,论文提出将K均值聚类方法应用于冗余故障特征的剔除中,K均值聚类能够将具有相似特性的特征聚类到一起,并以聚类中心的形式选择出最能代表该类的特征,其他相似特征直接剔除掉。采用凯斯西楚大学轴承实验室的部分故障数据作为测试数据,实验结果表明利用该方法进行冗余特征的剔除后,对比PCA,LPP和LLE特征选择方法,该方法诊断精度最高,而且由于剔除了冗余特征,使得实时性得到了改进。(本文来源于《计算机与数字工程》期刊2019年11期）
张红霞,章银娥[4]（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）
孟笑天,徐艳蕾,王新东,何润,翟钰婷[5]（2020）在《基于改进K均值特征点聚类算法的作物行检测》一文中研究指出精准施药是现代精准农业发展不可或缺的一部分,而准确地提取作物行是进行精准施药的关键环节。为此,以苗期的玉米为研究对象,提出一种基于改进K均值特征点聚类算法的作物行检测方法。该方法根据距离函数最值关系求出最佳聚类数目,再依据点密度大小和邻域半径确定初始聚类中心,减少了迭代次数,提高了算法的执行效率和划分效果。首先,采用改进的超绿法(1.27G-R-B)进行灰度化和Otsu方法进行二值化,得到作物行的二值图像;然后,利用左右边缘中间线算法提取作物行特征点;最后,采用改进K均值算法和最小二乘法对作物行中心线特征点进行聚类和直线拟合。试验数据表明:提出的改进K均值特征点聚类算法识别效果好,精确度高,可为精准施药提供理论依据。(本文来源于《农机化研究》期刊2020年08期）
王勋,李廷会,潘骁,田宇[6]（2019）在《基于改进模糊C均值聚类与Otsu的图像分割方法》一文中研究指出针对背景与前景颜色差别较小的原木图像分割效果不理想的情况,本文给出了模糊C均值聚类与Otsu相结合的图像分割方法。该方法首先以标准原木数据库为样本,之后使用模糊C均值聚类算法把背景与前景颜色差别较小的原木样本图像分割成2类,其次利用准则函数找出前景分割结果,最后把该结果作为Otsu算法的输入,对原木样本图像进行再次分割。实验结果表明,本文研究的算法比单独使用模糊C均值聚类算法、Otsu和同类算法有较好的分割效果和较高的分割准确率,边缘信息保留较好,平均分割准确率提高2个百分点。(本文来源于《广西师范大学学报(自然科学版)》期刊2019年04期）
马俊宏,武丽芬[7]（2019）在《一种改进的加速K均值聚类算法》一文中研究指出针对当前聚类算法应用于大规模多类别数据集中时,计算量较大,且算法性能严重依赖于K值的不足,提出一种改进的加速K均值聚类算法。算法主要由两种策略组成:一是基于质心下界(PLB)的跳跃过程,新引入称为质心的固定点来计算对象和矩心间距离的下界,避免了常见聚类算法在收敛早期过程中的距离计算过程;二是基于不变矩心对(ICP)的跳跃过程,如果矩心更新步骤完成后被分配及未被分配矩心的位置保持不变,则维持对象分配策略不变且无需计算与未被分配矩心之间的距离。此外,还给出了将本文算法与Hamerly算法相结合的拓展算法以进一步提升聚类加速效果。对大规模高维图像数据集进行了仿真实验,结果表明,与Hamerly算法相比,本文算法在获得相同聚类效果的同时,极大地压缩了距离计算量。当K值较大时,本文算法的平均压缩率更高,平均耗时更少。(本文来源于《太赫兹科学与电子信息学报》期刊2019年05期）
孙丽,孙顺远[8]（2019）在《基于K均值聚类的非均匀分簇路由算法》一文中研究指出针对LEACH协议中簇头选择存在随机性,频繁性,不合理性等问题,提出了一种基于K均值聚类的非均匀分簇路由算法。该算法通过求最优解得到网络节点的簇头最优数,结合K-means聚类算法,将网络中随机分布的节点按照簇头数分成若干簇,在每个簇中选择距离聚类中心最近的节点作为簇头,简化了LEACH协议中的簇建立阶段,有效减少了网络中频繁进行簇头选择和簇建立过程的能量消耗,使得网络生命周期得以延长。通过分析Matlab仿真结果,可以看出与传统LEACH协议、SEP协议相比,论文算法能够更好地优化簇结构,减少节点不必要的能耗从而提高网络的稳定性,有效延长整个网络的生存周期。(本文来源于《计算机与数字工程》期刊2019年10期）
姚美琴,胡黄水,王出航,韩优佳[9]（2019）在《无线传感网能量约束模糊c-均值聚类算法》一文中研究指出引入能量限制项来提高聚类算法对能量的敏感性。在聚类过程中,最优聚类数由cos指数的最大值决定。仿真结果表明,与LEACH算法相比,该算法能够获得合理的簇头节点分布,延迟了第一个节点的死亡时间。延长了网络生命周期,平衡节点的能耗。(本文来源于《长春工业大学学报》期刊2019年05期）
张恒璟,齐昕,文汉江[10]（2019）在《基于K均值聚类EEMD的CORS高程时间序列信号分析方法》一文中研究指出针对传统EEMD进行信号分解时信噪比低和部分模态混迭的问题,提出基于K均值聚类的CORS高程时间序列改进分析方法。通过添加正负白噪声的EEMD提高信号分解信噪比,基于K均值聚类方法对EEMD迭代过程中分解的各个IMF分量进行聚类分析。实验结果表明,该方法提高信噪比3%以上,基于正交指数的分解精度提高26%以上,聚类结果能够解决IMF中近似的0.5 a、1 a、2 a周期信号的模态混迭问题。(本文来源于《大地测量与地球动力学》期刊2019年10期）
均值聚类论文开题报告
（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：
精细化预报服务和气象能源开发等需要时间序列长、空间和时间分辨率更高的气象资料,对逐小时资料的需求尤为突出。现存历史气象资料进行数字化扫描之后存在污点、褪色、模糊、字迹洇透等问题,不符合档案归档和服务的要求、同时也造成对图像进行数值提取的难度大大增加,提取结果的准确性也难以保证。本文提出一种基于K均值的图像优化算法,能够快速识别和区分图像背景和数据记录曲线,过滤图像中的噪点,统一数据记录曲线的颜色和粗细。经过优化之后的图像对比度和清晰度明显增加,体积明显缩小,实际应用中发现,经过优化之后的图像节约了存储资源和成本,同时清晰度有明显地提高,结果表明基于K均值的优化方法明显提高了气象数字化档案的质量和应用效果。
（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。
均值聚类论文参考文献
[1].孙伟,宋如意,丁伟.步态特征提取的K均值聚类自适应判别[J].测绘科学.2019
[2].陈鹏,程思,鲍婷婷,翟伶俐,王宏斌.基于二分K均值聚类算法的数字档案优化[J].气象科技.2019
[3].李丽敏,温宗周,宋玉琴.优化K均值聚类在冗余特征剔除中的应用研究[J].计算机与数字工程.2019
[4].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
[5].孟笑天,徐艳蕾,王新东,何润,翟钰婷.基于改进K均值特征点聚类算法的作物行检测[J].农机化研究.2020
[6].王勋,李廷会,潘骁,田宇.基于改进模糊C均值聚类与Otsu的图像分割方法[J].广西师范大学学报(自然科学版).2019
[7].马俊宏,武丽芬.一种改进的加速K均值聚类算法[J].太赫兹科学与电子信息学报.2019
[8].孙丽,孙顺远.基于K均值聚类的非均匀分簇路由算法[J].计算机与数字工程.2019
[9].姚美琴,胡黄水,王出航,韩优佳.无线传感网能量约束模糊c-均值聚类算法[J].长春工业大学学报.2019
[10].张恒璟,齐昕,文汉江.基于K均值聚类EEMD的CORS高程时间序列信号分析方法[J].大地测量与地球动力学.2019
论文知识图
