共查询到20条相似文献,搜索用时 78 毫秒
1.
针对视频浓缩研究未引入运动目标轨迹地理方向进行分析,所实现的可视化效果不能区分表达不同轨迹方向的运动目标的问题,提出了顾及轨迹地理方向的监控视频浓缩方法。该方法使用单应模型将运动目标轨迹由图像空间映射至地理空间,利用属性阈值聚类(quality threshold clustering,QT)算法对轨迹出入口进行聚类,实现轨迹地理方向分析。在对轨迹进行映射聚类处理的基础上,通过选取虚拟场景视点实现视频浓缩背景构建,生成轨迹类拟合中心线作为运动目标显示轨迹,并通过构建轨迹类表达模型实现运动目标显示排序,最终实现视频浓缩构建。实验结果表明,该方法能依据轨迹地理方向对运动目标进行区分表达,并能灵活调整不同轨迹类的表达策略。 相似文献
2.
3.
4.
5.
目前,多数高阶联合聚类算法属于硬划分方法,不考虑聚簇重叠问题。为了更有效地分析具有重叠聚簇结构的数据,提出了一种基于最小平方和残差的高阶模糊联合聚类算法(MSR-HFCC),该算法将聚类问题转化为最小化模糊平方和残差的优化问题,推导出求解优化问题的隶属度迭代更新公式,设计出聚类过程的迭代算法。实验结果表明,MSR-HFCC算法聚类效果优于目前已有的5种硬划分高阶联合聚类算法。 相似文献
6.
7.
为解决聚类数未知条件下面状地理实体的聚类问题,文中提出了一种基于聚类有效性函数的聚类方法。给出了适合面状地理实体k-中心点聚类算法的聚类有效性函数;将该有效性函数改写为适应度函数,设计了基于遗传算法的面状地理实体聚类算法。该算法在计算聚类数的同时能得到划分聚类结果。实验结果从一定程度上反映了数据集的结构信息特征。 相似文献
8.
9.
基于聚类有效性函数的面状地理实体聚类 总被引:2,自引:0,他引:2
为解决聚类数未知条件下面状地理实体的聚类问题,文中提出了一种基于聚类有效性函数的聚类方法.给出了适合面状地理实体k-中心点聚类算法的聚类有效性函数;将该有效性函数改写为适应度函数,设计了基于遗传算法的面状地理实体聚类算法.该算法在计算聚类数的同时能得到划分聚类结果.实验结果从一定程度上反映了数据集的结构信息特征. 相似文献
10.
《测绘科学技术学报》2013,(5)
首先介绍了一种利用SOM神经网络对顶点进行聚类的线要素简化算法,该算法以线要素各顶点x,y坐标为输入样本集,经过SOM神经网络的训练,形成对原有顶点的聚类,每个聚类保留一个顶点作为简化后的结果。然后分析该算法存在的一些问题,先假设加入角度和距离两维能改善原算法的效果。最后自主实现算法,并采用相关实验数据加以验证,证明增加SOM维数确实行之有效。 相似文献
11.
研究城市公共设施的热点分布,对把握当前城市发展现状具有重要意义.针对传统算法的相关研究存在参数设定受人为因素影响较大的问题,本文采用优化的密度峰值聚类算法进行热点选取和聚类分析,在原算法的基础上,利用指数隶属函数计算局部密度并自动生成阈值,削弱了参数选取对结果的影响和反复调整参数带来的不便,结合决策图和簇中心权值进行热点的选取,提高了聚类结果的准确性.以郑州市辖区教育培训机构分布热点为例进行实验分析,结果表明,基于该算法的热点分布分析能够快速掌握设施的分布模式和聚集程度,为调整发展思路、优化设施布局提供决策支持. 相似文献
12.
融合增强型模糊聚类遗传算法与ISODATA算法的遥感影像分类 总被引:1,自引:0,他引:1
针对ISODATA算法预设参数较多,其聚类中心与最优迭代数目很难预先准确设定,且在聚类时没有将影像自身特点充分考虑,对个体适应度函数重视不够的问题,本文提出一种融合增强型模糊聚类GA与ISODATA的聚类方法,对聚类原型矩阵进行编码,构造隶属度矩阵,解求个体适应度函数值,在影像特征空间中搜索得到样本全局收敛极值点。通过试验证明,该方法能避开随机初选值的敏感问题,避免聚类过程的随机性,使分类结果与实际情况更为接近,该算法精度优于传统的ISODATA算法与模糊聚类GA算法,提高了分类的精度,整体效果较好。 相似文献
13.
针对传统聚类算法在处理时空位置数据挖掘时面临的多维聚类问题,提出了动态加权聚类模型。该模型叠加利用经典k-均值和基于密度的DBSCAN聚类算法,通过计算最大轮廓系数确定合适的簇数目,按照划分初始簇类、识别和剔除噪声点、修正聚类簇中心点位置坐标3个步骤实现对大体量多维时空位置数据的聚类分析,提出了动态权重系数计算公式,优化了基于密度的DBSCAN聚类算法中相似度函数,并在Python3.7环境下以网络签到数据集实例仿真验算了该模型算法。实验结果表明,相较单一的传统聚类算法,该模型能综合利用多维非位置属性对时空位置数据点聚类,更合理界定聚类簇的归属数据点,对提升时空位置数据集聚类簇中数据点的聚类效果明显。 相似文献
14.
融入超像素分割的高分辨率影像面向对象分类 总被引:2,自引:0,他引:2
针对高分辨率遥感影像面向对象分类中容易受分割参数的影响、分类精度不稳定的问题,本文提出了一种融入超像素分割的高分辨率影像面向对象分类方法。该方法通过简单线性迭代聚类(SLIC)算法对原始影像进行聚类生成超像素影像,并在此基础上采用分形网络演化方法(FNEA)进行多尺度分割生成同质性对象,最后利用最邻近分类方法进行地物分类。试验结果表明,该方法不易受多尺度分割参数的影响,分类效果稳定,而且分类精度明显高于传统的面向对象分类方法,对于高分辨率遥感影像的广泛应用具有重要意义。 相似文献
15.
针对常规的密度峰值聚类算法在确定数据聚类中存在聚类中心的重复性、聚类不稳定、不适用于三维点云分割等问题,提出了中心均匀化聚类群融合算法.该算法对局部密度和距离函数进行归一化处理,较好地解决了这两种函数尺度不一的问题;基于局部密度和距离函数乘积的变化率来确定聚类中心,并对重复或距离很近的聚类中心进行了消除,避免了聚类中心非均匀分布对聚类的影响;利用数据点到聚类中心距离逐个确定每个数据的聚类归属,依据邻近聚类数据群之间的距离来判断邻近聚类之间的融合,实现对点云数据的有效分割.基于二维离散数据聚类及不同分辨率点云数据分割的实验结果表明:所提算法不仅适用于二维离散数据的聚类,也适用于三维点云数据的分割,且分割精度和稳定度要优于常规的CFDP、K-means、DBSCAN、DPC聚类算法和深度学习方法. 相似文献
16.
17.
K-Means算法是比较流行的局域聚类算法,但由于其存在需要输入聚类数目以及对初始聚类中心敏感等缺陷,本文提出了一种基于密度的加权K-Means聚类算法来初始化聚类中心。该算法定义了点的密度函数和聚类中心函数,通过一定评价函数获取聚类中心。该方法获取的聚类中心不仅周围密度比较大,而且各个聚类中心之间相关性比较小,从而有效的减少了聚类时间,提高算法效率。 相似文献
18.
19.
针对现有流行模糊C均值聚类在影像分割中存在边界依附能力弱,分割不稳定及需要手动设置聚类数目等问题,提出一种顾及超像素光谱特征的无人机影像自动模糊聚类分割方法。相对于传统分水岭变换算法,该方法首先采用两步边界推进准则,生成轮廓更加精确、形状规则更加紧凑的超像素子区域;然后,提取子区域光谱特征并结合重缩放密度峰值算法自动获取聚类数目;最后,综合利用超像素光谱特征与隐式马尔可夫随机场思想对模糊聚类进行改进,实现超像素精确合并。通过两组影像数据的定性分析和定量评价表明,本文方法能准确定位目标边界,获得较好的视觉分割结果,同时有效提高了影像分割精度。 相似文献