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9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：
一种基于KNN后处理的鲁棒性抠图方法 被引量：1
1
作者 白杨 姚桂林 《计算机应用与软件》 北大核心 2020年第9期170-175,共6页
目前抠图算法分为采样法和仿射法。采样法求解出的Alpha值往往是不连续的,并且含有很多噪声。对此提出一种基于KNN后处理的鲁棒抠图算法。对未知像素点进行鲁棒性采样,并从中选择较好的样本对作为未知像素的前景和背景样本点,计算出未... 目前抠图算法分为采样法和仿射法。采样法求解出的Alpha值往往是不连续的,并且含有很多噪声。对此提出一种基于KNN后处理的鲁棒抠图算法。对未知像素点进行鲁棒性采样,并从中选择较好的样本对作为未知像素的前景和背景样本点,计算出未知像素的初始Alpha值;充分利用KNN方法搜索样本范围宽的优势对初始Alpha进行后处理。实验表明该后处理算法不仅增强了Alpha的视觉效果,同时也提高了Alpha的结果,尤其是实体前景和背景像素结果的准确性。 展开更多
关键词 采样抠图法 仿射抠图法 鲁棒抠图方法 knn搜索 抠图后处理
下载PDF
BC-iDistance:基于位码的优化高维索引 被引量：3
2
作者 梁俊杰 冯玉才 《小型微型计算机系统》 CSCD 北大核心 2007年第9期1647-1651,共5页
在高维空间KNN查询算法中,近似向量和一维转换表示法能有效克服维数灾难,本文结合这两种思想,提出一种基于位码的优化高维索引结构(BC-iDistance).针对iDistance缺点,高维向一维转换引起的大量数据信息丢失,BC-iDistance不仅利用一维距... 在高维空间KNN查询算法中,近似向量和一维转换表示法能有效克服维数灾难,本文结合这两种思想,提出一种基于位码的优化高维索引结构(BC-iDistance).针对iDistance缺点,高维向一维转换引起的大量数据信息丢失,BC-iDistance不仅利用一维距离表示点对象和参考点间的远近关系,而且引入位码近似表示它们之间的位置关系,将高维向量压缩为二维向量表示.利用特殊的B+树组织,KNN检索时实现两层剪枝处理,降低I/O和距离计算代价.采用模拟数据和真实数据,实验验证了优化后的索引具有更高的检索效率. 展开更多
关键词 高维索引 knn查询位码 近似向量
下载PDF
LBD:基于局部位码比较的高维空间KNN搜索算法 被引量：3
3
作者 梁俊杰 冯玉才 《计算机科学》 CSCD 北大核心 2007年第6期145-148,161,共5页
利用高维数据空间合理划分,提出一种简单有效的KNN检索算法-LBD。通过聚类将数据划分成多个子集空间,对每个聚类子集内的高维向量,利用距离和位码定义简化表示形式。KNN搜索时,首先利用距离信息确定候选范围,然后利用某些维上的位码不... 利用高维数据空间合理划分,提出一种简单有效的KNN检索算法-LBD。通过聚类将数据划分成多个子集空间,对每个聚类子集内的高维向量,利用距离和位码定义简化表示形式。KNN搜索时,首先利用距离信息确定候选范围,然后利用某些维上的位码不相同信息进一步缩小搜索范围,提高剪枝效率。位码字符串比较时,按照维度贡献优先顺序,大大加快非候选点过滤。LBD利用特殊的B+树组织,降低I/O和距离计算代价。采用模拟数据和真实数据,实验验证了LBD具有更高的检索效率。 展开更多
关键词 高维索引 knn查询 位码 近似向量
下载PDF
利用分区和距离实现高维空间快速KNN查询 被引量：4
4
作者 梁俊杰 王长磊 《计算机研究与发展》 EI CSCD 北大核心 2007年第11期1980-1985,共6页
在高维空间KNN查询算法中,近似向量和一维转换表示法能有效克服维数灾难,结合这两种思想,提出一种基于区位码和距离的索引结构(BD)以实现快速KNN查询.根据高维空间向量分布特点,合理分区使得大量分布在空间表面的点尽可能地划分到不同... 在高维空间KNN查询算法中,近似向量和一维转换表示法能有效克服维数灾难,结合这两种思想,提出一种基于区位码和距离的索引结构(BD)以实现快速KNN查询.根据高维空间向量分布特点,合理分区使得大量分布在空间表面的点尽可能地划分到不同的分区中,提高检索剪枝效率.引入区位码概念和转换函数,将高维向量近似表示并转换为一维数值形式,组织成B+树索引.利用快速KNN查询算法,实现两层过滤,缩小搜索范围,降低树搜索代价.采用模拟数据和真实数据,大量实验验证了BD比其他同类索引具有更高的检索效率. 展开更多
关键词 高维向量空间 knn查询 区位码 近似向量 索引结构
下载PDF
高维主存kNN连接索引结构的核心算法
5
作者 刘艳 郝忠孝 《计算机科学》 CSCD 北大核心 2011年第9期146-149,共4页
kNN(k最近邻)连接是高维数据库中的一种重要但代价昂贵的基本操作。随着RAM容量越来越大且价格逐渐低廉,更多的数据集能够被装入主存。如何实现快速主存kNN连接,引起人们的关注。索引Δ-tree-R和-Δtree-S是根据kNN连接的特点专门为主存... kNN(k最近邻)连接是高维数据库中的一种重要但代价昂贵的基本操作。随着RAM容量越来越大且价格逐渐低廉,更多的数据集能够被装入主存。如何实现快速主存kNN连接,引起人们的关注。索引Δ-tree-R和-Δtree-S是根据kNN连接的特点专门为主存kNN连接设计的索引。结合编码、节点中心重合技术,给出了构建Δ-tree-R和-Δtree-S的核心算法及相关证明,实验表明,基于该索引的主存kNN连接算法-Δtree-KNN-Join明显优于目前已存在的可用于主存的kNN连接算法Gorder。 展开更多
关键词 knn连接 高维空间 主存 索引结构 knn搜索
下载PDF
基于点云数据的牙齿表面重建算法 被引量：1
6
作者 曹巍 袁赞 吴志红 《四川大学学报（自然科学版）》 CAS CSCD 北大核心 2015年第3期517-522,共6页
由三维扫描仪对牙齿进行扫描,得到散乱的点云模型,首先通过构建K-D树的方法对每个点进行K邻域搜索;然后根据这种邻域关系,利用最小二乘原理拟合平面,估算出每个点的法向量信息;接着确定点云边界,选取极值点作为初始点并建立种子三角形;... 由三维扫描仪对牙齿进行扫描,得到散乱的点云模型,首先通过构建K-D树的方法对每个点进行K邻域搜索;然后根据这种邻域关系,利用最小二乘原理拟合平面,估算出每个点的法向量信息;接着确定点云边界,选取极值点作为初始点并建立种子三角形;最后采用基于多约束的局部最优三角网格生长算法,从种子三角形开始,以边为扩展条件,逐层搜索点并建立新的三角形;在此过程中添加了四个约束条件,能够较好的选取扩展点并对已存在的三角形边向外扩展,从而形成互相邻接的三角形网格,实现了牙齿表面的重建. 展开更多
关键词 点云模型 K邻域搜索 最小二乘 区域增长 三维表面重建
原文传递
用卫星数据域改善高维数据的相似性检索性能
7
作者 常立喆 李贵 +2 位作者 周项敏 王国仁 廖嘉 《小型微型计算机系统》 CSCD 北大核心 2006年第4期668-672,共5页
提出了一种新的高维数据空间的索引结构XSA-tree.它扩展了现有索引结构SA-tree,提出了卫星数据域的思想,以增强索引的过滤能力.通过对根节点中数据点选取进行优化,以得到相对平衡的索引树.文中给出了该索引结构并详细介绍了相关索引算法... 提出了一种新的高维数据空间的索引结构XSA-tree.它扩展了现有索引结构SA-tree,提出了卫星数据域的思想,以增强索引的过滤能力.通过对根节点中数据点选取进行优化,以得到相对平衡的索引树.文中给出了该索引结构并详细介绍了相关索引算法.实验结果表明,该索引结构显著提高了高维数据空间中相似性检索性能.是一种有效的高维索引结构. 展开更多
关键词 高维数据 索引结构 相似性检索 knn查找
下载PDF
基于GPU的LLE算法加速及性能优化
8
作者 李繁 严星 张晓宇 《计算机工程与设计》 北大核心 2021年第5期1314-1322,共9页
为提高非线性数据降维算法效能,分析这类算法的特点,综合考虑KNN计算和解决Sparse特征值两个问题,提出将LLE算法中的KNN搜索算法及大型稀疏矩阵解特征值这两个部分并行在GPU的运算平台上,通过这种方法来加快所有基于LLE发展而来的数据... 为提高非线性数据降维算法效能,分析这类算法的特点,综合考虑KNN计算和解决Sparse特征值两个问题,提出将LLE算法中的KNN搜索算法及大型稀疏矩阵解特征值这两个部分并行在GPU的运算平台上,通过这种方法来加快所有基于LLE发展而来的数据降维技术的执行时间。仿真计算结果表明,在KNN方面整体加速可达40至50倍,在解大型稀疏矩阵特征值的部分加速至10倍左右。整体来说,数据降维算法加速10倍左右,有效运用GPU提高了LLE这类算法的性能。 展开更多
关键词 图形处理器 统一计算设备架构 LLE算法 knn搜索 降维
下载PDF
基于改进K-近邻算法的电视剧点播量预测方法 被引量：1
9
作者 潘栋 杨静 《计算机应用与软件》 2017年第5期241-246,共6页
及时、准确地预测电视剧点播量为商业决策提供很大帮助。传统时间序列预测需要大量历史数据,很难满足及时、准确的预测需求。提出一种基于改进K-近邻算法的电视剧点播量预测方法,改进了K-近邻模型,并融入缩放技术和相关系数,结合百度搜... 及时、准确地预测电视剧点播量为商业决策提供很大帮助。传统时间序列预测需要大量历史数据,很难满足及时、准确的预测需求。提出一种基于改进K-近邻算法的电视剧点播量预测方法,改进了K-近邻模型,并融入缩放技术和相关系数,结合百度搜索数据和点播量序列的相关性,以前一周每天的点播量为特征,预测电视剧后一天的点播量。在PPTV和优酷数据集上进行实验,比用K-近邻的方法在MAE和MAPE上分别提高了75.5%、95.3%和71.8%、99.3%。 展开更多
关键词 点播系统 电视剧点播量预测 K-近邻模型 搜索数据 缩放技术 相关系数
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