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4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：
基于时间序列聚类和ARMA模型的检索量预测 被引量：12
1
作者 孙承杰 刘丰 +1 位作者 林磊 刘秉权 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2011年第4期21-25,共5页
为了通过预测分析检索量数据来指导商家调整产品开发及经营策略,将检索量数据组织为时间序列,对其用自回归滑动平均(ARMA)模型进行建模预测.先将时间序列进行聚类,仅对聚类中心序列进行ARMA模型识别,同类序列用该模型进行近似建模预测;... 为了通过预测分析检索量数据来指导商家调整产品开发及经营策略,将检索量数据组织为时间序列,对其用自回归滑动平均(ARMA)模型进行建模预测.先将时间序列进行聚类,仅对聚类中心序列进行ARMA模型识别,同类序列用该模型进行近似建模预测;经过数据预处理、相似性分析、基于相似度的聚类、时间序列预测等过程,得到检索量数据的预测值,并将其与检索量的实际值做比较.结果表明,用同一个ARMA模型拟合相似时间序列的方法具有可行性,且有较高的预测准确率.从聚类结果还可看出,同品牌产品的检索量数据趋于聚成一类,这为检索词关系的挖掘提供了参考. 展开更多
关键词 时间序列 检索量 ARMA模型 动态时间弯曲距离 k-medoid算法
下载PDF
基于K中心点的文档聚类算法 被引量：4
2
作者 吴景岚 朱文兴 《兰州大学学报（自然科学版）》 CAS CSCD 北大核心 2005年第5期88-91,共4页
K中心点算法是一个常用的聚类算法,它的主要缺陷是容易陷入局部极值,计算代价太高.本文先构造一个运用余弦相似度的K中心点文档聚类算法,然后提出一个改进算法,该算法不增加计算的复杂性,显著改进文档的聚类结果.最后,将该改进算法作为... K中心点算法是一个常用的聚类算法,它的主要缺陷是容易陷入局部极值,计算代价太高.本文先构造一个运用余弦相似度的K中心点文档聚类算法,然后提出一个改进算法,该算法不增加计算的复杂性,显著改进文档的聚类结果.最后,将该改进算法作为局部搜索过程嵌入到迭代局部搜索结构中,构造一个基于K中心点的迭代局部搜索文档聚类算法,进一步改进了文档聚类结果.试验结果表明该算法显著改进了文档聚类结果. 展开更多
关键词 k中心点算法 文档聚类 迭代局部搜索
下载PDF
基于Gabor滤波和K-medoid聚类分析的人眼检测和瞳孔定位 被引量：3
3
作者 刘春生 常发亮 +1 位作者 陈振学 李爽 《光电子．激光》 EI CAS CSCD 北大核心 2013年第8期1606-1612,共7页
针对人眼检测过程中存在的表情、光照和眼镜遮挡等干扰因素的影响,提出一种基于Gabor滤波和K-medoid聚类分析的人眼检测和瞳孔定位方法。首先采用鲁棒性较好的眼部横向特征作为检测对象来设计了Gabor滤波器,以突出眼部的横向特征;然后根... 针对人眼检测过程中存在的表情、光照和眼镜遮挡等干扰因素的影响,提出一种基于Gabor滤波和K-medoid聚类分析的人眼检测和瞳孔定位方法。首先采用鲁棒性较好的眼部横向特征作为检测对象来设计了Gabor滤波器,以突出眼部的横向特征;然后根据Gabor滤波后的眼部特征,并结合K-medoid算法设计了聚类算法检测人眼;在人眼检测基础上,结合灰度分布特征和熵函数设计了瞳孔定位方法。在BioID人脸库和FERET彩色人脸库上进行了实验,结果表明,本文方法在两个图库的3470幅人脸图像上能够达到97.8%的检测率,并且在设置误差阈值较小(0.15)情况下仍能达到95.5%的瞳孔定位准确率。 展开更多
关键词 人眼检测 瞳孔定位 GABOR滤波 k—medoid算法 人脸检测
原文传递
基于触觉序列的物体分类 被引量：2
4
作者 马蕊 刘华平 +1 位作者 孙富春 高蒙 《智能系统学报》 CSCD 北大核心 2015年第3期362-368,共7页
通过安装触觉传感器的灵巧手对物体进行抓取,可以采集到丰富的触觉序列信息。对这些触觉信息进行分类可以显著提高机器人的环境感知和灵巧操作能力。为此,将触觉序列划分为一系列子触觉序列,使用基于线性动态系统(LDS)的方法进行特征提... 通过安装触觉传感器的灵巧手对物体进行抓取,可以采集到丰富的触觉序列信息。对这些触觉信息进行分类可以显著提高机器人的环境感知和灵巧操作能力。为此,将触觉序列划分为一系列子触觉序列,使用基于线性动态系统(LDS)的方法进行特征提取。由于使用LDS提取的特征存在于非欧式空间,在对特征进行处理时,使用与欧式距离不同的马丁距离(Martin distance)作为量度来表征2个LDS特征之间的距离,并使用K-Medoid算法进行聚类。而后使用聚类得到的码书表征触觉序列,完成系统包(bag-of-system)特征模型构建,并利用支持向量机(SVM)实现高效分类。最后使用16种实验样本构建的触觉序列数据集对上述算法进行评测,获得了可观的识别效果,表明了该算法可以用于触觉序列的物体分类。 展开更多
关键词 物体分类 触觉序列 线性动态系统 系统包 马丁距离 支持向量机 k-medoid算法
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 下一页 到第 页
使用帮助 返回顶部