公共文化服务平台

国家自然科学基金(60975042): 作品数：19 被引量：90H指数：5; 相关作者：李纯张琦杨朋卢志茂冯进玫更多>>; 相关机构：哈尔滨工程大学哈尔滨师范大学黑龙江科技大学更多>>; 发文基金：国家自然科学基金黑龙江省教育厅科学技术研究项目国家教育部博士点基金更多>>; 相关领域：自动化与计算机技术自然科学总论电子电信更多>>

Clustering method based on data division and partition被引量：1: 2014年; Many classical clustering algorithms do good jobs on their prerequisite but do not scale well when being applied to deal with very large data sets(VLDS).In this work,a novel division and partition clustering method(DP) was proposed to solve the problem.DP cut the source data set into data blocks,and extracted the eigenvector for each data block to form the local feature set.The local feature set was used in the second round of the characteristics polymerization process for the source data to find the global eigenvector.Ultimately according to the global eigenvector,the data set was assigned by criterion of minimum distance.The experimental results show that it is more robust than the conventional clusterings.Characteristics of not sensitive to data dimensions,distribution and number of nature clustering make it have a wide range of applications in clustering VLDS.; 卢志茂刘晨S.Massinanke张春祥王蕾; 关键词：聚类方法聚类算法就业机会

基于特征帧构建的运动目标检测方法被引量：2: 2012年; 非参数密度估计在样本分析建模方面得到了很大的关注,尤其是核密度估计方法。但由于核密度估计方法计算量大,应用到运动目标检测方面很难达到实时效果。提出了一种特征帧构建的核密度估计方法。因为核密度估计不需要假设背景模型的密度分布函数,所有样本值又满足独立同分布的原则,所以可以通过特征帧构建的方法进行背景建模,同时应用此方法进行背景更新。实验结果表明:该方法能够适应环境变化且具有运算速度快、实时性好等特点,可以将其应用到复杂背景下的监控系统中。; 卢志茂刘明华刘晨; 关键词：核密度估计运动目标检测

一种创建关键帧的核密度估计运动目标检测: 2013年; 背景减法是运动目标检测的一类重要方法,它的难点在于背景动态模型的建立.非参数密度估计中的核密度估计方法是解决这一难点的十分有效的方法.但该方法的缺点是它的计算量较大,难以满足运动目标检测的实时性.针对该问题,提出一种基于关键帧的核密度估计运动目标检测算法.该算法采用提取关键帧的方式来建立背景模型,同时用此方式进行背景更新.它不仅减少了用于密度估计的样本数,而且降低了目标检测的虚警率和误检率.实验结果表明该算法能够适应环境的变化,比改进前的算法快了不止9倍,并可以有效地进行运动目标的检测.; 梁志刚杨朋; 关键词：运动目标检测核密度估计关键帧

二次分水岭和Ncut相结合的彩色图像分割方法被引量：9: 2011年; 为了解决传统Ncut方法计算复杂度高的问题,提出了一种将二次分水岭和Ncut相结合的彩色图像分割方法.首先利用二次分水岭对输入图像进行预处理;然后将得到的小区域代替像素点构造一个加权图,并且利用图像的色彩和空间信息构造新的权值矩阵;最后应用Ncut方法得到最终的图像分割结果.实验结果表明:改进的方法与Ncut方法相比在运行时间和分割效果方面都有显著提高;与基于mean shift和Ncut结合的分割方法相比,分割效果也有了一定的改善,且耗时更少.; 卢志茂许晓丽范冬梅李海燕; 关键词：彩色图像分割权值矩阵

基于亮度划分MSR的视觉图像增强被引量：3: 2011年; 针对复杂天气条件下多尺度Retinex(MSR)方法不能很好地体现图像的局部特征和细节,引入了基于亮度划分的预处理,实现了一种新的MSR方法.首先将彩色图像转换为更适合人类视觉系统的HSI颜色空间,提取亮度分量I;然后用对数图像处理(LIP)模型将图像按亮度划分为不同的区域,对各亮度区域采用相应尺度的Retinex算法进行增强;最后按面积因子对增强后的各子图进行融合,实现图像增强.实验结果表明:与MSR相比,该方法能更好的显示图像的细节,同时整体色彩效果保持较好.; 卢志茂刘钦堂范冬梅李雪耀于桂芬; 关键词：图像增强多尺度RETINEX HSI颜色空间

基于快速谱聚类的图像分割算法被引量：6: 2012年; 设计了一种基于快速谱聚类的图像分割算法,该算法利用余弦相似度构造相似度矩阵,避免了传统谱聚类算法中尺度因子的精确设置问题,提高了算法效率.在谱映射的过程中,该算法采用了Nystrm逼近策略,降低了谱聚类算法的复杂度和内存消耗.在Berkeley图像库上的图像分割实验证明了算法的有效性.; 李纯卢志茂杨朋; 关键词：图像分割谱聚类余弦相似度

基于均值漂移的自适应跟踪算法: 2013年; 提出一种基于均值漂移的自适应跟踪窗口算法.在初始时应用边缘加权概率密度的方法判断目标的变化,目标变大时采用形心定位和特征点仿射模型对跟踪窗口进行更新,目标减小或不变时通过Bhattacharyya系数来决定目标缩小的比例.实验表明该算法能够有效地跟踪尺度变化的目标,同时具有很好的实时性、稳定性.; 韦迅卢志茂孙海; 关键词：目标跟踪均值漂移 BHATTACHARYYA系数

面向大数据处理的划分聚类新方法被引量：22: 2014年; 大数据处理是物联网研究和应用上不可回避的难题之一,针对常用聚类方法在大数据处理上的不足,设计了一种划分聚类新方法。该方法采用了大数据集的抽样技术,对多次抽取的规模足够大的样本进行聚类以确定自然簇质心的初始位置,在此基础上采用抽样后剩余数据样本对质心的初始位置进行更新,以便校正偏离理想位置的初始质心。该划分聚类算法具有线性空间复杂度和时间复杂度。实验结果表明所提的新聚类算法不仅能得到比常用聚类算法更理想的结果,而且运行速度快,适合处理大规模数据的聚类任务。; 卢志茂冯进玫范冬梅杨朋田野; 关键词：大数据物联网划分聚类质心

一种HHT谱矩阵的车内噪声语音端点检测: 2012年; 由于车内噪声的存在,使语音的检测率降低得非常明显,这给智能汽车的语音控制带来了困难。提出了一种基于HHT谱矩阵的检测方法。该方法通过分析HHT的特点,以及噪声、语音信号的幅度分布特点,以帧为单位对输入信号HHT的时、频、幅矩阵进行处理,构建幅值-时间曲线,通过对前端噪声段的估计,自动设定阈值对整个信号的语音段进行检测。实验结果表明,该方法在车内噪声较强的情况下仍能有效检测语音段。; 刘柏森卢志茂金辉孙美玲; 关键词：希尔伯特-黄变换车内噪声信号检测低信噪比

改进的基于模糊C-均值聚类的图像分割算法被引量：2: 2013年; 目前的FCM类型的算法聚类数目的确定需要聚类原形参数的先验知识,否则算法就会产生误导.为了提高图像分割算法的抗噪性能,用K均值聚类算法简单、快速的优点对模糊C均值聚类算法进行改进.结合图像的邻域信息,对图像的直方图作均衡化处理,改善图像质量,通过自适应滤波,降低噪声对分割效果的影响.先用K均值聚类算法对图像进行分割,快速的获得较为准确的聚类中心和初次分割图像,避免了FCM算法中初始聚类中心选择不当造成的死点问题.用邻域灰度均值信息代替传统模糊C均值聚类算法中的灰度信息,对K均值聚类得到的图像作二次分割.该方法能更好的抑制噪声的干扰,提高了聚类算法的分割精确度.; 李伟; 关键词：模糊C-均值聚类图像分割空间邻域灰度直方图模糊聚类 K均值聚类

国家自然科学基金(60975042)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(60975042)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈