-
题名基于迭代自组织数据聚类阈值PCNN的图像分割法
- 1
-
-
作者
曾海妮
彭建盛
-
机构
河池学院物理与机电工程学院
-
出处
《河池学院学报》
2014年第2期71-76,共6页
-
文摘
基于迭代自组织数据聚类阈值的脉冲耦合神经网络的图像分割算法改进了传统脉冲耦合神经网络在图像分割中由于不恰当的参数选择而导致图像欠分割和过分割的问题。基于迭代自组织数据聚类阈值的脉冲耦合神经网络图像分割算法无需确定参数和循环次数,也不需要用特定原则确定循环结束的条件,只需利用图像中的每个像素点的灰度值进行聚类,然后利用改进的迭代自组织数据算法确定图像的初始聚类数目以及聚类中心,并以此作为脉冲耦合神经网络的最佳阈值,一次点火过程自动完成分割。实验结果表明,这种算法具有较好的分割结果和分割速度,提高了分割的准确性。
-
关键词
脉冲耦合神经网络
迭代自组织数据聚类
图像分割
-
Keywords
Pulse Coupled Neural Network
iterative self- organizing data clustering
image segmentation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于ISODATA的电力负荷曲线分类
被引量：5
- 2
-
-
作者
李仲恒
刘蓉晖
-
机构
上海电力学院电气工程学院
-
出处
《上海电力学院学报》
CAS
2019年第4期327-332,共6页
-
基金
国家电网公司科技项目(52090016002M)
上海市科学技术委员会地方能力建设计划基金(16020500900)
-
文摘
迭代自组织数据分析算法(ISODATA)是一种基于统计模式识别的非监督学习动态聚类算法。针对当前各算法初始聚类数取值困难、容易陷入局部最优等问题,介绍了ISODATA的原理和实现步骤,并将此算法应用于负荷分类中。在MATLAB中结合具体日负荷曲线样本进行聚类分析,结果证明聚类效果较好。将ISODATA与各种传统聚类方法进行了对比实验,比较各种算法的聚类效果、预定聚类数目对算法结果的影响,以及初始聚类中心的选择对结果的影响。对比结果证明,此方法适用于负荷分类的研究。
-
关键词
迭代自组织数据分析算法
聚类
日负荷曲线
曲线识别
大数据
数据挖掘
-
Keywords
iterative self-organizing data analysis algorithm
clustering
daily load curve
curve identification
big data
data mining
-
分类号
TM769
[电气工程—电力系统及自动化]
-
