您的位置: 专家智库 > >

李贤虹

作品数:5 被引量:12H指数:2
供职机构:江西旅游商贸职业学院更多>>
发文基金:国家自然科学基金江西省高校人文社会科学研究项目更多>>
相关领域:文化科学自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 1篇自动化与计算...
  • 1篇文化科学

主题

  • 1篇院校
  • 1篇阅读推广活动
  • 1篇图书
  • 1篇图书馆
  • 1篇图像
  • 1篇自适
  • 1篇自适应
  • 1篇自适应聚类
  • 1篇自适应聚类算...
  • 1篇维数
  • 1篇聚类
  • 1篇聚类算法
  • 1篇均值聚类
  • 1篇高职
  • 1篇高职院校
  • 1篇高维
  • 1篇高维数据
  • 1篇K-MEAN...
  • 1篇K近邻
  • 1篇K均值

机构

  • 2篇江西旅游商贸...
  • 1篇江西财经大学

作者

  • 2篇李贤虹
  • 1篇杨勇
  • 1篇戴利云
  • 1篇唐颖军
  • 1篇黄淑英

传媒

  • 1篇小型微型计算...
  • 1篇科技广场

年份

  • 1篇2016
  • 1篇2015
5 条 记 录,以下是 1-2
排序方式:
高职院校图书馆开展阅读推广活动的实践与思考被引量:4
2015年
本文以江西旅游商贸职业学院图书馆为例,介绍了该馆开展阅读推广活动的实践情况,结合当前高职学生的阅读现状,提出了进一步做好阅读推广工作的几点对策,以期为高职院校图书馆开展阅读推广活动提供参考。
李贤虹
关键词:高职院校图书馆
图像高维数据的K-means自适应聚类算法被引量:6
2016年
在图像信息处理中视觉词典生成过程需要对高维数据进行聚类操作.但这些高维数据不可避免会对计算机内存和计算能力提出更高要求.本文针对聚类过程中可能产生的内存耗尽以及初始聚类质心设置问题,对现有K-means算法加以改进.通过建立初始聚类质心与各类场景中的特定语义的关联,使之体现图像各类场景的类别特征集合,进而用于指导K-means过程中的初始质心设置.此外,在迭代过程中通过批次读入特征描述子,采用K近邻进行簇分配,从而避免了一次性读入全部特征描述子而造成的内存耗尽问题.同时,对于新的簇质心生成采用综合判别均值与中位值的办法来提高各族的聚合度.本文方法与Oxford University提出的K-means进行了对比,实验结果表明本文算法在性能与收敛上更具优势.
唐颖军黄淑英杨勇戴利云李贤虹
关键词:K均值聚类K近邻
共1页<1>
聚类工具0