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
自定义聚类中心点的快速K-means聚类点云精简算法
1
作者
王世刚
关红利
《工业控制计算机》
2024年第8期123-125,共3页
针对传统K-means算法在随机选取聚类中心点出现聚类失败及点云数据重建时在相对平坦的区域出现孔洞的问题,提出一种GK-means的改进聚类算法对点云数据进行精简。该算法首先规定数值K作为最终聚类个数的限定,然后对选点策略进行改进,采...
针对传统K-means算法在随机选取聚类中心点出现聚类失败及点云数据重建时在相对平坦的区域出现孔洞的问题,提出一种GK-means的改进聚类算法对点云数据进行精简。该算法首先规定数值K作为最终聚类个数的限定,然后对选点策略进行改进,采用最远点采样选取聚类中心,对簇进行细分,计算所有点到聚类中心的欧氏距离,获取最小值所在的位置,放进最小距离所在的簇。实验结果表明:改进后的K-means算法能够使算法成功的概率提高且运行速度较快,对点云进行精简时,特征区域完整地保留了点云模型的细节特征,重建结果具有较高的光顺性。
展开更多
关键词
聚类中心
迭代
gk
-
means
算法
点云精简
下载PDF
职称材料
基于密度的全局K-means算法的改进
被引量：
2
2
作者
徐娟
范菁
+1 位作者
陈楚天
曲金帅
《云南民族大学学报（自然科学版）》
CAS
2019年第2期160-164,共5页
针对全局K-means聚类算法和快速全局K-means聚类算法在选择下一簇的聚类中心点时,需要逐一计算数据集中每个点作为备选聚类中心点时的簇内平方误差函数,而数据集中存在很多不可能作为备选点的噪声点.为剔除噪声点,提出了一种基于高密度...
针对全局K-means聚类算法和快速全局K-means聚类算法在选择下一簇的聚类中心点时,需要逐一计算数据集中每个点作为备选聚类中心点时的簇内平方误差函数,而数据集中存在很多不可能作为备选点的噪声点.为剔除噪声点,提出了一种基于高密度数的DGK-means算法,并通过UCI数据库中的4组数据集进行实验测试.验证了在聚类效果稳定的前提下,改进的DGK-means算法比全局K-means算法和快速全局K-means算法,聚类用时更短,聚类效率更高.
展开更多
关键词
gk
-
means
算法
F
gk
-
means
算法
D
gk
-
means
算法
高密度数
下载PDF
职称材料
题名
自定义聚类中心点的快速K-means聚类点云精简算法
1
作者
王世刚
关红利
机构
广西科技大学自动化学院
出处
《工业控制计算机》
2024年第8期123-125,共3页
基金
广西科技基地和人才专项(桂科AD22080004)。
文摘
针对传统K-means算法在随机选取聚类中心点出现聚类失败及点云数据重建时在相对平坦的区域出现孔洞的问题,提出一种GK-means的改进聚类算法对点云数据进行精简。该算法首先规定数值K作为最终聚类个数的限定,然后对选点策略进行改进,采用最远点采样选取聚类中心,对簇进行细分,计算所有点到聚类中心的欧氏距离,获取最小值所在的位置,放进最小距离所在的簇。实验结果表明:改进后的K-means算法能够使算法成功的概率提高且运行速度较快,对点云进行精简时,特征区域完整地保留了点云模型的细节特征,重建结果具有较高的光顺性。
关键词
聚类中心
迭代
gk
-
means
算法
点云精简
Keywords
cluster
center
iteration
gk
-
means
algorithm
point
cloud
reduction
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于密度的全局K-means算法的改进
被引量：
2
2
作者
徐娟
范菁
陈楚天
曲金帅
机构
云南民族大学云南省高校信息与通信安全灾备重点实验室
云南民族大学电气信息工程学院
出处
《云南民族大学学报（自然科学版）》
CAS
2019年第2期160-164,共5页
基金
国家自然科学基金(61540063)
云南省应用基础研究计划项目(2018FD055)
+2 种基金
云南省教育厅科学研究基金(2017ZDX045)
云南民族大学校级科研项目(2017QN02)
云南省高校科技创新团队开放式基金
文摘
针对全局K-means聚类算法和快速全局K-means聚类算法在选择下一簇的聚类中心点时,需要逐一计算数据集中每个点作为备选聚类中心点时的簇内平方误差函数,而数据集中存在很多不可能作为备选点的噪声点.为剔除噪声点,提出了一种基于高密度数的DGK-means算法,并通过UCI数据库中的4组数据集进行实验测试.验证了在聚类效果稳定的前提下,改进的DGK-means算法比全局K-means算法和快速全局K-means算法,聚类用时更短,聚类效率更高.
关键词
gk
-
means
算法
F
gk
-
means
算法
D
gk
-
means
算法
高密度数
Keywords
gk
-
means
algorithm
F
gk
-
means
algorithm
D
gk
-
means
algorithm
high-density
number
分类号
TP311.13 [自动化与计算机技术—计算机软件与理论]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
自定义聚类中心点的快速K-means聚类点云精简算法
王世刚
关红利
《工业控制计算机》
2024
0
下载PDF
职称材料
2
基于密度的全局K-means算法的改进
徐娟
范菁
陈楚天
曲金帅
《云南民族大学学报（自然科学版）》
CAS
2019
2
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
