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
共找到959篇文章
< 1 2 … 48 >
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：
K-means聚类算法研究综述 被引量：303
1
作者 王千 王成 +1 位作者 冯振元 叶金凤 《电子设计工程》 2012年第7期21-24,共4页
总结评述了K-means聚类算法的研究现状,指出K-means聚类算法是一个NP难优化问题,无法获得全局最优。介绍了K-means聚类算法的目标函数、算法流程,并列举了一个实例,指出了数据子集的数目K、初始聚类中心选取、相似性度量和距离矩阵为K-m... 总结评述了K-means聚类算法的研究现状,指出K-means聚类算法是一个NP难优化问题,无法获得全局最优。介绍了K-means聚类算法的目标函数、算法流程,并列举了一个实例,指出了数据子集的数目K、初始聚类中心选取、相似性度量和距离矩阵为K-means聚类算法的3个基本参数。总结了K-means聚类算法存在的问题及其改进算法,指出了K-means聚类的进一步研究方向。 展开更多
关键词 k-means聚类算法 NP难优化问题 数据子集的数目k 初始聚类中心选取 相似性度量和距离矩阵
下载PDF
K-Means聚类算法研究综述 被引量：277
2
作者 杨俊闯 赵超 《计算机工程与应用》 CSCD 北大核心 2019年第23期7-14,63,共9页
K-均值(K-Means)算法是聚类分析中一种基于划分的算法,同时也是无监督学习算法。其具有思想简单、效果好和容易实现的优点,广泛应用于机器学习等领域。但是K-Means算法也有一定的局限性,比如:算法中聚类数目K值难以确定,初始聚类中心如... K-均值(K-Means)算法是聚类分析中一种基于划分的算法,同时也是无监督学习算法。其具有思想简单、效果好和容易实现的优点,广泛应用于机器学习等领域。但是K-Means算法也有一定的局限性,比如:算法中聚类数目K值难以确定,初始聚类中心如何选取,离群点的检测与去除,距离和相似性度量等。从多个方面对K-Means算法的改进措施进行概括,并和传统K-Means算法进行比较,分析了改进算法的优缺点,指出了其中存在的问题。对K-Means算法的发展方向和趋势进行了展望。 展开更多
关键词 k-means 聚类算法 聚类中心 离群点
下载PDF
改进的YOLO V3算法及其在小目标检测中的应用 被引量：156
3
作者 鞠默然 罗海波 +3 位作者 王仲博 何淼 常铮 惠斌 《光学学报》 EI CAS CSCD 北大核心 2019年第7期245-252,共8页
针对图像中小目标检测率低、虚警率高等问题,提出了一种YOLO V3的改进方法,并将其应用于小目标的检测。由于小目标所占的像素少、特征不明显,提出对原网络输出的8倍降采样特征图进行2倍上采样,将2倍上采样特征图与第2个残差块输出的特... 针对图像中小目标检测率低、虚警率高等问题,提出了一种YOLO V3的改进方法,并将其应用于小目标的检测。由于小目标所占的像素少、特征不明显,提出对原网络输出的8倍降采样特征图进行2倍上采样,将2倍上采样特征图与第2个残差块输出的特征图进行拼接,建立输出为4倍降采样的特征融合目标检测层。为了获取更多的小目标特征信息,在YOLO V3网络结构Darknet53的第2个残差块中增加2个残差单元。利用K-means聚类算法对目标候选框的个数和宽高比维度进行聚类分析。用改进的YOLO V3算法和原YOLO V3算法在VEDAI数据集上进行对比实验,结果表明改进后的YOLO V3算法能有效检测小目标,对小目标的召回率和检测的平均准确率均值都有明显的提升。 展开更多
关键词 机器视觉 小目标检测 YOLO V3 VEDAI数据集 k-means聚类算法
原文传递
最大距离法选取初始簇中心的K-means文本聚类算法的研究 被引量：108
4
作者 翟东海 鱼江 +2 位作者 高飞 于磊 丁锋 《计算机应用研究》 CSCD 北大核心 2014年第3期713-715,719,共4页
由于初始簇中心的随机选择,K-means算法在聚类时容易出现聚类结果局部最优、聚类结果不稳定、总迭代次数较多等问题。为了解决K-means算法所存在的以上问题,提出了最大距离法选取初始簇中心的Kmeans文本聚类算法。该算法基于这样的事实... 由于初始簇中心的随机选择,K-means算法在聚类时容易出现聚类结果局部最优、聚类结果不稳定、总迭代次数较多等问题。为了解决K-means算法所存在的以上问题,提出了最大距离法选取初始簇中心的Kmeans文本聚类算法。该算法基于这样的事实:距离最远的样本点最不可能分到同一个簇中。为使该算法能应用于文本聚类,构造了一种将文本相似度转换为文本距离的方法,同时也重新构造了迭代中的簇中心计算公式和测度函数。在实例验证中,对分属于五个类别的1 500篇文本组成的文本集进行了文本聚类分析,其结果表明,与原始的K-means聚类算法以及其他的两种改进的K-means聚类算法相比,新提出的文本聚类算法在降低了聚类总耗时的同时,F度量值也有了明显提高。 展开更多
关键词 k-means聚类算法 最大距离 文本聚类 文本距离 测度函数 F度量值
下载PDF
基于无线传感器网络的奶牛行为特征监测系统设计 被引量：103
5
作者 尹令 刘财兴 +2 位作者 洪添胜 周皓恩 Kae Hsiang Kwongt 《农业工程学报》 EI CAS CSCD 北大核心 2010年第3期203-208,I0005,共7页
奶牛等大型动物的疾病和发情状况目前主要依赖饲养员目测判断,大规模集约化养殖仍采用人工观测方法,这不仅带来繁重的人力负担,也容易误判。为了能自动准确地识别奶牛是否发情或生病,该文提出在奶牛颈部安装无线传感器节点,通过各种传... 奶牛等大型动物的疾病和发情状况目前主要依赖饲养员目测判断,大规模集约化养殖仍采用人工观测方法,这不仅带来繁重的人力负担,也容易误判。为了能自动准确地识别奶牛是否发情或生病,该文提出在奶牛颈部安装无线传感器节点,通过各种传感器获取奶牛的体温、呼吸频率和运动加速度等参数,采用K-均值聚类算法对提取的各种参数进行行为特征多级分类识别,以此建立的动物行为监测系统能准确区分奶牛静止、慢走、爬跨等行为特征,从而可以长时间监测奶牛的健康状态。而且,这种监测系统易于推广到对其他动物的监测,对促进养殖业和畜牧业的发展也具有指导意义。 展开更多
关键词 无线传感器网络 加速度传感器 行为分析 k-均值聚类算法 奶牛
下载PDF
基于大数据挖掘技术的输变电设备故障诊断方法 被引量：96
6
作者 胡军 尹立群 +3 位作者 李振 郭丽娟 段炼 张玉波 《高电压技术》 EI CAS CSCD 北大核心 2017年第11期3690-3697,共8页
传统输变电设备故障诊断方法具有易受专家意见主观影响以及模型固化的缺点。为此,提出了基于大数据挖掘技术的设备故障诊断方法,介绍了设备故障模式聚类算法、状态参量相关性分析算法以及基于相关性矩阵的故障诊断方法等基于大数据分析... 传统输变电设备故障诊断方法具有易受专家意见主观影响以及模型固化的缺点。为此,提出了基于大数据挖掘技术的设备故障诊断方法,介绍了设备故障模式聚类算法、状态参量相关性分析算法以及基于相关性矩阵的故障诊断方法等基于大数据分析的设备故障诊断关键技术,并采用某电网公司500 kV电压等级油浸式变压器套管近10 a故障记录数据作为数据挖掘案例进行了实证。研究结果表明:k-means聚类算法配合轮廓系数能准确得得出故障分类模式;Apriori关联算法配合Tanimoto系数可用于评估状态参量之间的强弱关系;基于皮尔逊相关系数构造故障诊断矩阵能够准确判断出与实际运行维护试验结果相符合的设备故障模式。因此,基于大数据挖掘技术的输变电设备故障诊断方法能够有效挖掘出设备状态记录数据内在的规律,实现具有数据自适应性的、更加准确的设备故障诊断。 展开更多
关键词 大数据分析 故障诊断 相关性 k-means聚类算法 轮廓系数 Tanimoto系数 Apriori关联算法
下载PDF
基于k-means聚类算法的研究 被引量：87
7
作者 黄韬 刘胜辉 谭艳娜 《计算机技术与发展》 2011年第7期54-57,62,共5页
分析研究聚类分析方法,对多种聚类分析算法进行分析比较,讨论各自的优点和不足,同时针对原k-means算法的聚类结果受随机选取初始聚类中心的影响较大的缺点,提出一种改进算法。通过将对数据集的多次采样,选取最终较优的初始聚类中心,使... 分析研究聚类分析方法,对多种聚类分析算法进行分析比较,讨论各自的优点和不足,同时针对原k-means算法的聚类结果受随机选取初始聚类中心的影响较大的缺点,提出一种改进算法。通过将对数据集的多次采样,选取最终较优的初始聚类中心,使得改进后的算法受初始聚类中心选择的影响度大大降低;同时,在选取初始聚类中心后,对初值进行数据标准化处理,使聚类效果进一步提高。通过UCI数据集上的数据对新算法Hk-means进行检测,结果显示Hk-means算法比原始的k-means算法在聚类效果上有显著的提高,并对相关领域有借鉴意义。 展开更多
关键词 数据挖掘 聚类算法 k-means算法
下载PDF
k-means聚类算法的MapReduce并行化实现 被引量：79
8
作者 江小平 李成华 +2 位作者 向文 张新访 颜海涛 《华中科技大学学报（自然科学版）》 EI CAS CSCD 北大核心 2011年第S1期120-124,共5页
针对k-means聚类算法特点,给出了MapReduce编程模型实现k-means聚类算法的方法,Map函数完成每个记录到聚类中心距离的计算并重新标记其属于的新聚类类别,Reduce函数根据Map函数得到的中间结果计算出新的聚类中心,供下一轮MapReduce Job... 针对k-means聚类算法特点,给出了MapReduce编程模型实现k-means聚类算法的方法,Map函数完成每个记录到聚类中心距离的计算并重新标记其属于的新聚类类别,Reduce函数根据Map函数得到的中间结果计算出新的聚类中心,供下一轮MapReduce Job使用.实验结果表明:k-means算法MapReduce并行化后部署在Hadoop集群上运行,具有较好的加速比和良好的扩展性. 展开更多
关键词 云计算 并行计算 MAPREDUCE模型 数据挖掘 k-means聚类算法
原文传递
面向海量用户用电特性感知的分布式聚类算法 被引量：67
9
作者 朱文俊 王毅 +3 位作者 罗敏 林国营 程将南 康重庆 《电力系统自动化》 EI CSCD 北大核心 2016年第12期21-27,共7页
智能电表的普及促进了配用电大数据的发展。通过对用户用电数据的挖掘和用电特性的感知,能够有效识别用户用电模式、评估需求响应潜力、指导电价制定等。然而,用户用电数据一方面随时间不断更新,增长迅速,呈海量态势;另一方面,数据采集... 智能电表的普及促进了配用电大数据的发展。通过对用户用电数据的挖掘和用电特性的感知,能够有效识别用户用电模式、评估需求响应潜力、指导电价制定等。然而,用户用电数据一方面随时间不断更新,增长迅速,呈海量态势;另一方面,数据采集点分布在用户侧,具有极强的分散性。针对海量、分散的用电数据带来的挑战,文中提出一种新的分布式聚类算法。首先利用自适应k-means聚类算法对分布在各区域的用电数据进行局部聚类分析,提取各局部数据的典型负荷曲线,构建局部模型;然后利用传统聚类算法对获取的局部模型进行二次聚类分析,获取全局的典型负荷曲线,构建全局模型;最后向局部数据中心反馈全局聚类结果,实现全局聚类分析。通过爱尔兰实际量测用电数据证明了所提出算法的有效性。 展开更多
关键词 分布式聚类 自适应k-means 聚类算法 大数据 负荷曲线 态势感知
下载PDF
对k-means聚类算法的改进 被引量：47
10
作者 袁方 孟增辉 于戈 《计算机工程与应用》 CSCD 北大核心 2004年第36期177-178,232,共3页
提出了一种k-means聚类算法中寻找初始聚类中心的新方法。算法首先计算样本间的距离,然后根据样本点之间的距离寻找有可能是一类的数据,依据这些样本点形成初始聚类中心,从而得到较好的聚类结果。实验表明,改进后的方法相对于随机选取... 提出了一种k-means聚类算法中寻找初始聚类中心的新方法。算法首先计算样本间的距离,然后根据样本点之间的距离寻找有可能是一类的数据,依据这些样本点形成初始聚类中心,从而得到较好的聚类结果。实验表明,改进后的方法相对于随机选取初始聚类中心具有较高的准确率。 展开更多
关键词 k-means聚类算法 聚类 模式识别
下载PDF
文档聚类中k-means算法的一种改进算法 被引量：29
11
作者 万小军 杨建武 陈晓鸥 《计算机工程》 CAS CSCD 北大核心 2003年第2期102-103,157,共3页
介绍了文档聚类中基于划分的k-means算法，k-means算法适合于海量文档集的处理，但它对孤立点很敏感。为此，文章提出将聚类均值点与聚类种子相分离的思想，并具体给出了基于该思想的对k-means算法的改进算法。实验表明，该改进算法比原... 介绍了文档聚类中基于划分的k-means算法，k-means算法适合于海量文档集的处理，但它对孤立点很敏感。为此，文章提出将聚类均值点与聚类种子相分离的思想，并具体给出了基于该思想的对k-means算法的改进算法。实验表明，该改进算法比原k-means算法具有更高的准确性和稳定性。 展开更多
关键词 文档聚类 k-means算法 划分聚类算法 数据库
下载PDF
K-means聚类算法的研究 被引量：45
12
作者 韩晓红 胡彧 《太原理工大学学报》 CAS 北大核心 2009年第3期236-239,共4页
为解决原始K-means算法随机选取初始聚类中心对聚类结果的影响较大的不足,提出了改进算法。采取基于采样选取聚类中心距离的规则,进行多次选择决定最终的初始聚类中心,使得改进后的算法受初始聚类中心选择的影响达到最小;同时,在选取初... 为解决原始K-means算法随机选取初始聚类中心对聚类结果的影响较大的不足,提出了改进算法。采取基于采样选取聚类中心距离的规则,进行多次选择决定最终的初始聚类中心,使得改进后的算法受初始聚类中心选择的影响达到最小;同时,在选取初始聚类中心后,对初值进行数据标准化处理。将改进的K-means算法应用于销售行业,结果显示,改进后的算法比原始的算法在效率上得到了提高。 展开更多
关键词 数据挖掘 k—means算法 初始聚类中心 聚类分析
下载PDF
基于聚类-重心法的应急物流配送中心选址 被引量：45
13
作者 倪卫红 陈太 《南京工业大学学报（自然科学版）》 CAS 北大核心 2021年第2期255-263,共9页
为确保应急物流配送中心选址的合理性,同时为了能够保障受灾地区应急物资的及时供应,以新型冠状病毒肺炎(COVID-19)疫情时期的湖北省为例,采用聚类-重心法对应急物流配送中心选址进行研究。首先,分别对受灾地区受灾程度、地理坐标及应... 为确保应急物流配送中心选址的合理性,同时为了能够保障受灾地区应急物资的及时供应,以新型冠状病毒肺炎(COVID-19)疫情时期的湖北省为例,采用聚类-重心法对应急物流配送中心选址进行研究。首先,分别对受灾地区受灾程度、地理坐标及应急物资需求量进行聚类分析,并将两次聚类结果取交集后以受灾程度重为优先原则,确定二级应急物流配送中心的坐标;其次,分别以二级应急物流配送中心和受灾地区为依据,使用重心法分别求出一级应急物流配送中心Q和G的坐标;然后,以时间最短化为原则求出物流配送中心M的坐标;最后,结合周边环境和灾情状况将Q、G、M进行全面对比分析。结果表明:选择Q作为最终一级应急物流配送中心是最为合理的,这也证明综合考虑受灾地区受灾程度、地理坐标、应急物资需求量以及物流成本的聚类-重心法的应急物流配送中心选址模型具备现实可行性。 展开更多
关键词 应急物流 k均值聚类算法 重心法 配送中心选址 新型冠状病毒肺炎
下载PDF
一种基于最大最小距离和SSE的自适应聚类算法 被引量：44
14
作者 成卫青 卢艳红 《南京邮电大学学报（自然科学版）》 北大核心 2015年第2期102-107,共6页
K均值聚类是一种常用的聚类算法,需要指定初始中心和簇数,但随意指定初始中心可能导致聚类陷入局部最优解,且实际应用中簇数未必是已知的。针对K均值聚类的不足,文中提出了一个自适应聚类算法,该算法基于数据实例之间的最大最小距离选... K均值聚类是一种常用的聚类算法,需要指定初始中心和簇数,但随意指定初始中心可能导致聚类陷入局部最优解,且实际应用中簇数未必是已知的。针对K均值聚类的不足,文中提出了一个自适应聚类算法,该算法基于数据实例之间的最大最小距离选取初始聚类中心,基于误差平方和(SSE)选择相对最稀疏的簇分裂,并根据SSE变化趋势停止簇分裂从而自动确定簇数。实验结果表明,该算法可以在不增加迭代次数的情况下得到更准确的聚类结果,验证了所提聚类算法是有效的。 展开更多
关键词 k均值聚类算法 最大最小距离 初始中心 误差平方和
下载PDF
优化初始聚类中心的K-means聚类算法 被引量：41
15
作者 郭永坤 章新友 +2 位作者 刘莉萍 丁亮 牛晓录 《计算机工程与应用》 CSCD 北大核心 2020年第15期172-178,共7页
针对传统K-means算法对初始中心十分敏感,聚类结果不稳定问题,提出了一种改进K-means聚类算法。该算法首先计算样本间的距离,根据样本距离找出距离最近的两点形成集合,根据点与集合的计算公式找出其他所有离集合最近的点,直到集合内数... 针对传统K-means算法对初始中心十分敏感,聚类结果不稳定问题,提出了一种改进K-means聚类算法。该算法首先计算样本间的距离,根据样本距离找出距离最近的两点形成集合,根据点与集合的计算公式找出其他所有离集合最近的点,直到集合内数据数目大于或等于α(α为样本集数据点数目与聚类的簇类数目的比值),再把该集合从样本集中删除,重复以上步骤得到K(K为簇类数目)个集合,计算每个集合的均值作为初始中心,并根据K-means算法得到最终的聚类结果。在Wine、Hayes-Roth、Iris、Tae、Heart-stalog、Ionosphere、Haberman数据集中,改进算法比传统K-means、K-means++算法的聚类结果更稳定;在Wine、Iris、Tae数据集中,比最小方差优化初始聚类中心的K-means算法聚类准确率更高,且在7组数据集中改进算法得到的轮廓系数和F1值最大。对于密度差异较大数据集,聚类结果比传统K-means、K-means++算法更稳定,更准确,且比最小方差优化初始聚类中心的K-means算法更高效。 展开更多
关键词 k-means聚类算法 算法优化 初始聚类中心
下载PDF
量子遗传算法优化BP神经网络的网络流量预测 被引量：40
16
作者 张立仿 张喜平 《计算机工程与科学》 CSCD 北大核心 2016年第1期114-119,共6页
为了提高网络流量的预测精度,提出了一种改进的多种群量子遗传算法优化BP神经网络的网络流量预测模型。在确定了神经网络的结构后,采用多种群量子遗传算法对BP神经网络的初始权值和阈值进行优化。该模型利用K均值聚类算法将种群划分成... 为了提高网络流量的预测精度,提出了一种改进的多种群量子遗传算法优化BP神经网络的网络流量预测模型。在确定了神经网络的结构后,采用多种群量子遗传算法对BP神经网络的初始权值和阈值进行优化。该模型利用K均值聚类算法将种群划分成若干子种群,多个子种群分别进化以保持种群的多样性。子种群间通过移民操作进行信息交互,减小了算法陷入局部最优的概率。同时采用一种自适应的量子旋转门调整策略加快算法的收敛速度。仿真结果表明,相较传统方法,该模型在网络流量预测方面具有收敛速度快、预测精度高的优点。 展开更多
关键词 网络流量预测 量子遗传算法 BP神经网络 移民操作 k均值聚类算法
下载PDF
一种改进初始聚类中心选择的K-means算法 被引量：39
17
作者 陈光平 王文鹏 黄俊 《小型微型计算机系统》 CSCD 北大核心 2012年第6期1320-1323,共4页
针对K-means算法中聚类结果易受初始聚类中心影响的缺点,提出一种改进初始聚类中心选择的算法.该算法不断寻找最大聚类,并利用距离最大的两个数据对象作为开始的聚类中心对该聚类进行分裂,如此反复,直到得到指定聚类中心个数.用KDD CUP9... 针对K-means算法中聚类结果易受初始聚类中心影响的缺点,提出一种改进初始聚类中心选择的算法.该算法不断寻找最大聚类,并利用距离最大的两个数据对象作为开始的聚类中心对该聚类进行分裂,如此反复,直到得到指定聚类中心个数.用KDD CUP99数据集对改进算法进行仿真实验,实验数据表明,用该算法获得的聚类中心进行聚类相对原始的K-means算法,能获得更好的聚类结果. 展开更多
关键词 k-means算法 入侵检测 聚类算法 网络安全
下载PDF
K-means聚类算法研究综述 被引量：32
18
作者 王森 刘琛 邢帅杰 《华东交通大学学报》 2022年第5期119-126,共8页
聚类分析是数据挖掘的重要技术,而在5G时代,海量的数据维度高、数据集大,利用K-means算法易受离群点的影响,且K值、初始聚类中心的选取影响聚类结果的稳定性和准确率,甚至导致聚类陷入局部最优,对K-means算法的改进受到众多研究者的关... 聚类分析是数据挖掘的重要技术,而在5G时代,海量的数据维度高、数据集大,利用K-means算法易受离群点的影响,且K值、初始聚类中心的选取影响聚类结果的稳定性和准确率,甚至导致聚类陷入局部最优,对K-means算法的改进受到众多研究者的关注。主要对K-means聚类的研究现状进行归纳总结。首先,介绍K-means算法的思想原理;其次,针对初始聚类中心点的选取、K值确定、离群点对现有改进算法进行基于密度和距离的分类总结,并对各个改进算法的优势和缺陷进行分析;最后对K-means算法未来可能的研究方向和趋势进行展望。 展开更多
关键词 k-means 聚类算法 k值 初始聚类中心 离群点 密度 距离
下载PDF
基于k-means聚类算法的专利地图制作方法研究 被引量：32
19
作者 邱洪华 余翔 《科研管理》 CSSCI 北大核心 2009年第2期70-76,共7页
利用专利文献,制作专利地图是有效监测和了解技术发展现状和趋势的重要手段之一,因此最近几年以来,关于专利地图的研究在知识产权领域引起了广泛的关注。本文分析了专利地图在国内外的研究现状,归纳了专利地图的功能,剖析了当前专利地... 利用专利文献,制作专利地图是有效监测和了解技术发展现状和趋势的重要手段之一,因此最近几年以来,关于专利地图的研究在知识产权领域引起了广泛的关注。本文分析了专利地图在国内外的研究现状,归纳了专利地图的功能,剖析了当前专利地图制作方法的不足,利用了专利文献中的结构化项目和非结构化项目,通过k-means聚类算法,形成语义网络,并最终制作完成可视化专利地图。而根据该专利地图,可以清晰而直观的看出所研究目标技术领域的技术发展路径。 展开更多
关键词 专利地图 k-means聚类算法 专利
原文传递
基于凸壳理论的遮挡苹果目标识别与定位方法 被引量：33
20
作者 宋怀波 何东健 潘景朋 《农业工程学报》 EI CAS CSCD 北大核心 2012年第22期174-180,共7页
为实现受果树枝叶遮挡、果实间相互遮挡的果实目标识别,该文提出了一种基于凸壳理论的遮挡苹果目标识别方法。该方法首先将图像由RGB颜色空间转换至L*a*b*颜色空间,并利用K-means聚类算法将图像分为树叶、枝条和果实3个类别,然后利用形... 为实现受果树枝叶遮挡、果实间相互遮挡的果实目标识别,该文提出了一种基于凸壳理论的遮挡苹果目标识别方法。该方法首先将图像由RGB颜色空间转换至L*a*b*颜色空间,并利用K-means聚类算法将图像分为树叶、枝条和果实3个类别,然后利用形态学方法对果实目标进行处理,得到目标边缘并进行轮廓跟踪,接着利用目标边缘的凸壳提取连续光滑的轮廓曲线,最后估计该光滑曲线段的圆心及半径参数,实现遮挡果实的定位。为了验证该算法的有效性,利用Hough圆拟合算法进行了对比试验,试验结果表明,该方法的平均定位误差为4.28%,低于Hough圆拟合方法的平均定位误差16.3%,该方法显著提高了目标定位的精度,能够有效识别遮挡苹果。 展开更多
关键词 果实 图像识别 定位 凸壳理论 k-means聚类 遮挡果实
下载PDF
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 2 … 48 下一页 到第 页
使用帮助 返回顶部