期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于高斯过程的CLIQUE改进算法
被引量：
7
1
作者
向柳明
周渭博
钟勇
《计算机应用》
CSCD
北大核心
2015年第A02期85-87,92,共4页
CLIQUE聚类算法从任意密集网格进行深度优先遍历生成聚类簇时性能不足,因为当聚类数据集大且噪声较多时,大量密集网格不属于任何聚类簇。基于高斯随机采样有较好的收敛性,能快速找到密度局部最大的密集网格,提出了一种基于高斯过程的CLI...
CLIQUE聚类算法从任意密集网格进行深度优先遍历生成聚类簇时性能不足,因为当聚类数据集大且噪声较多时,大量密集网格不属于任何聚类簇。基于高斯随机采样有较好的收敛性,能快速找到密度局部最大的密集网格,提出了一种基于高斯过程的CLIQUE改进算法GP-CLIQUE。该算法识别密集网格后,先在密集网格空间的每一维上进行高斯随机采样快速找到密度局部最大的密集网格;再分别从这些密度局部最大的密集网格进行深度优先遍历生成聚类簇;最后确定每个聚类簇的最小覆盖。实验结果表明,在数据集小且无噪声时,该算法在性能上与CLIQUE相当,当数据集大噪声较多时,其性能较CLIQUE能提高6%~24%。
展开更多
关键词
clique
高斯过程
聚类簇
密集网格
深度优先遍历
局部最大密度
高斯随机采样
下载PDF
职称材料
基于改进聚类高维空间的高精度定位系统中人员过度聚集检测
2
作者
张众一
彭程
《计算机应用》
CSCD
北大核心
2016年第A02期301-303,共3页
由于目前民用卫星定位技术定位精度受限并且容易受到环境等因素的干扰,高精度的小区域定位系统越来越成为市场的需求,实现对人员或是物资的实时监控和管理。针对在室内等高精度定位中实时检测定位区域内人员过度聚集情况效率较低、效果...
由于目前民用卫星定位技术定位精度受限并且容易受到环境等因素的干扰,高精度的小区域定位系统越来越成为市场的需求,实现对人员或是物资的实时监控和管理。针对在室内等高精度定位中实时检测定位区域内人员过度聚集情况效率较低、效果不好的问题,提出一种基于改进聚类高维空间(CLIQUE)的人员过度聚集检测算法。该算法根据室内定位区域小、人员密度相对密集、聚集区域不规则等特点,采用基于密度和空间细分的方式,可以快速高效地在室内定位系统中实时快速检测各种形状的人员过度聚集区域。
展开更多
关键词
人员过度聚集检测
室内无线定位
聚类高维空间
聚类算法
空间细分
下载PDF
职称材料
题名
基于高斯过程的CLIQUE改进算法
被引量：
7
1
作者
向柳明
周渭博
钟勇
机构
中国科学院成都计算机应用研究所
中国科学院大学
出处
《计算机应用》
CSCD
北大核心
2015年第A02期85-87,92,共4页
基金
四川省科技支撑计划项目(2014GZ0013)
文摘
CLIQUE聚类算法从任意密集网格进行深度优先遍历生成聚类簇时性能不足,因为当聚类数据集大且噪声较多时,大量密集网格不属于任何聚类簇。基于高斯随机采样有较好的收敛性,能快速找到密度局部最大的密集网格,提出了一种基于高斯过程的CLIQUE改进算法GP-CLIQUE。该算法识别密集网格后,先在密集网格空间的每一维上进行高斯随机采样快速找到密度局部最大的密集网格;再分别从这些密度局部最大的密集网格进行深度优先遍历生成聚类簇;最后确定每个聚类簇的最小覆盖。实验结果表明,在数据集小且无噪声时,该算法在性能上与CLIQUE相当,当数据集大噪声较多时,其性能较CLIQUE能提高6%~24%。
关键词
clique
高斯过程
聚类簇
密集网格
深度优先遍历
局部最大密度
高斯随机采样
Keywords
clique
（
clustering
In
quest
）
Gaussian
process
cluster
dense
grid
Depth-First
Search（DFS）
local
maximum
density
Gaussian
sampling
分类号
TP301 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
基于改进聚类高维空间的高精度定位系统中人员过度聚集检测
2
作者
张众一
彭程
机构
中国科学院成都计算应用研究所
中国科学院大学
出处
《计算机应用》
CSCD
北大核心
2016年第A02期301-303,共3页
基金
四川省科技支撑计划项目(2015GZ0088)
文摘
由于目前民用卫星定位技术定位精度受限并且容易受到环境等因素的干扰,高精度的小区域定位系统越来越成为市场的需求,实现对人员或是物资的实时监控和管理。针对在室内等高精度定位中实时检测定位区域内人员过度聚集情况效率较低、效果不好的问题,提出一种基于改进聚类高维空间(CLIQUE)的人员过度聚集检测算法。该算法根据室内定位区域小、人员密度相对密集、聚集区域不规则等特点,采用基于密度和空间细分的方式,可以快速高效地在室内定位系统中实时快速检测各种形状的人员过度聚集区域。
关键词
人员过度聚集检测
室内无线定位
聚类高维空间
聚类算法
空间细分
Keywords
excessively
gathered
personnel
detection
indoor
wireless
positioning
clique
（
clustering
In
quest
）
clustering
algorithm
spatial
subdivision
分类号
TP274 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于高斯过程的CLIQUE改进算法
向柳明
周渭博
钟勇
《计算机应用》
CSCD
北大核心
2015
7
下载PDF
职称材料
2
基于改进聚类高维空间的高精度定位系统中人员过度聚集检测
张众一
彭程
《计算机应用》
CSCD
北大核心
2016
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
