-
题名一种基于角相似性的k-最近邻搜索算法
被引量：9
- 1
-
-
作者
余小高
余小鹏
-
机构
湖北经济学院
武汉工程大学
武汉大学信息资源研究中心
-
出处
《计算机应用研究》
CSCD
北大核心
2009年第9期3296-3299,共4页
-
基金
湖北省教育厅资助项目(2008d095
D20081902)
-
文摘
k-最近邻搜索(KNNS)在高维空间中应用非常广泛,但目前很多KNNS算法是基于欧氏距离对数据进行索引和搜索,不适合采用角相似性的应用。提出一种基于角相似性的k-最近邻搜索算法(BA-KNNS)。该算法先提出基于角相似性的数据索引结构(BA-Index),参照一条中心线和一条参照线,将数据以系列壳—超圆锥体方式进行组织并分别线性存储;然后确定查询对象的空间位置,有效确定一个以从原点到查询对象的直线为中心线的超圆锥体并在其中进行搜索。实验结果表明,BA-KNNS算法较其他k-最近邻搜索算法有更好的性能。
-
关键词
k-最近邻搜索
数据分割
角相似性
壳-超圆锥体
-
Keywords
kNNS
data partitioning
angular similarity
shell-hypercone
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名一种基于MapReduce的短时交通流预测方法
被引量：11
- 2
-
-
作者
梁轲
谭建军
李英远
-
机构
中国科学院广州地球化学研究所
中国科学院大学
广州中科盛博信息技术有限公一J
-
出处
《计算机工程》
CAS
CSCD
北大核心
2015年第1期174-179,共6页
-
基金
广东省中国科学院全面战略合作基金资助项目(2012B091100266)
广州市科技计划基金资助项目(2010Y1-C041)
广州市科技计划科技支撑基金资助项目(09A11040726)
-
文摘
非参数回归方法是短时交通流预测常用的方法,但现有非参数回归方法存在预测速度与精度之间的矛盾。为此,提出一种适用于海量历史数据、基于Map Reduce与遗传算法的非参数回归短时交通流预测方法。通过引入Map Reduce并行计算框架,加快K最近邻算法的搜索速度。在数据预处理阶段利用遗传算法优化关键参数的设置,并采用Map Reduce加速参数优化过程,以解决遗传算法迭代运算时间长的问题。实验结果表明,该方法在保证交通流预测精度的前提下,明显提高了预测速度,并且具有较好的可伸缩性。
-
关键词
交通流预测
非参数回归
k最近邻搜索
遗传算法
Map
Reduce编程模型
并行计算
-
Keywords
traffic flow forecasting
non-parametric regression
k Nearest Neighbor（kNN）search
genetic algorithm
Map Reduce programming model
parallel computing
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名时间序列关联维数快速算法及实现
被引量：8
- 3
-
-
作者
张小明
刘建敏
乔新勇
许世永
-
机构
装甲兵工程学院机械工程系
中国兵器工业集团公司第
-
出处
《装甲兵工程学院学报》
2007年第6期58-61,共4页
-
基金
军队科研计划项目
-
文摘
针对关联维数计算耗时量大的问题，通过改进点对距离的度量方法，以及采用K-NN技术进行点对的搜索实现了关联和的快速计算，较大程度地提高了关联维数的计算速度。验证表明：对于长度为20480的时间序列，采用快速算法计算关联维数，其耗时量是G-P算法的1／60。
-
关键词
时间序列
关联维数
G-P算法
k最近邻搜索
-
Keywords
time series
correlation dimension
G-P algorithm
k-Nearest Neighbor Search
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于纹理基元块识别与合并的图像语义分割
被引量：5
- 4
-
-
作者
杨雪
范勇
高琳
邱运春
-
机构
西南科技大学计算机科学与技术学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2015年第3期253-257,共5页
-
基金
四川省教育厅科技基金资助项目(12zd1005)
西南科技大学网络融合实验室开放基金资助项目(12zxwk09)
-
文摘
针对当前像素级别的图像语义分割算法难以利用全局形状特征,导致分割对象轮廓模糊,造成错误识别的问题,提出一种区域级别的基于纹理基元块识别与合并的图像语义分割算法。该算法采用纹理基元等特征,考虑到相邻像素点间的相互关系,保留物体间的棱角和边缘信息,分割出轮廓清晰的对象。在MSRC图片库上进行实验,结果表明,该算法能对多种语义对象进行分割和识别,具有运行速度快、识别率高和分割效果好等优点。
-
关键词
纹理基元
特征字典
k-d树最近邻搜索
k-MEANS算法
识别
合并
语义分割
-
Keywords
texture element
feature dictionary
k-d tree nearest neighbor search
k-means algorithm
recognition
merging
semantic segmentaion
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于角相似性的k最近邻搜索研究
- 5
-
-
作者
余小鹏
马费成
-
机构
武汉大学信息资源研究中心
武汉工程大学经济管理学院
-
出处
《情报学报》
CSSCI
北大核心
2009年第1期58-63,共6页
-
基金
国家自然科学基金项目：“Web2.0环境下信息自组织与序化研究（No.70773086）”
湖北省教育厅中青年项目：Web2.0环境下信息自组织的演化仿真与关键支撑技术研究（No.Q20081502）
湖北省教育厅人文社科项目：基于Agent的电子商务推荐系统研究.
-
文摘
在高维空间中k最近邻搜索（KNNS）应用非常广泛，但是目前很多KNNS算法都根据欧氏距离对数据进行索引和搜索，不适合采用角相似性的应用。本文提出一种基于角相似性的k最近邻搜索算法（AS—KNNS）。该算法先提出基于角相似性的数据索引结构（AS-Index），参照一条中心线和一条参照线，将数据以系列壳．超圆锥体方式进行组织并分别线性存储；然后确定查询对象的空间位置，有效确定一个以从原点到查询对象的直线为中心线的超圆锥体并在其中进行搜索。实验结果表明，AS-KNNS算法较其他k最近邻搜索算法有更好的性能。
-
关键词
数据分割
k最近邻搜索
角相似性
壳-超圆锥体
-
Keywords
data partitioning, k-nearest neighbor search, angular similarity, shell-hypercone
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TP311.13
[自动化与计算机技术—控制科学与工程]
-
-
题名基于P2P的自适应分布式k最近邻搜索算法
被引量：1
- 6
-
-
作者
余小高
余小鹏
-
机构
湖北经济学院信息管理学院
武汉工程大学经济管理学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2009年第19期49-52,55,共5页
-
基金
湖北省教育厅基金资助项目"群体决策的知识发现与推理模型和方法研究"(2008d095)
-
文摘
k最近邻搜索算法无法满足数据挖掘的分布性、实时性和可扩展性要求,针对该问题提出基于P2P的自适应分布式k最近邻搜索算法[0](P2PAKNNs)。阐述GHT*结构,定义高维数据相似度函数HDSF(X,Y),论述GHT*中的插入算法、范围查找算法和搜索算法。给出P2PAKNNs的实现过程,通过实验证明其正确性。
-
关键词
k最近邻搜索算法
度量空间
相似性查询
-
Keywords
k-nearest Neighbor search algorithm（kNNs）
metric space
similarity query
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于线段融合的空间非合作目标稳健特征提取算法
- 7
-
-
作者
周啸风
汪玲
刘寒寒
张翔
-
机构
南京航空航天大学电子信息工程学院
南京理工大学机械工程学院
-
出处
《计算机测量与控制》
2022年第12期238-243,250,共7页
-
基金
中国航天科技集团有限公司第八研究院产学研合作基金(SAST2021-026,SAST2020-019)
江苏省自然科学基金(BK20180465)。
-
文摘
相对位姿测量是空间非合作目标态势感知的主要内容,在位姿测量中,需要先对目标图像进行特征提取,而特征提取的精度和鲁棒性直接影响位姿测量性能;为了提高空间非合作目标特征提取的鲁棒性,给出一种基于线段融合的特征提取算法;该算法首先采用基于梯度的滤波器来消除空间目标图像的背景干扰,然后采用LSD直线检测算法、Hough Lines直线检测算法和Shi-Tomasi角点检测算法提取三组特征点,再用K-D空间划分树以及K最近邻搜索算法融合这三组特征点,保留包含显著特征的较少数量特征点,进一步组合成线段结构,并对线段进行融合,以此来提取反映目标整体几何框架的信息,从而提升稳健性;在半物理仿真实验中,特征点的位置误差在3 mm以内,检测的两条线段长度误差分别为2.509 mm和2.55157 mm;仿真实验和半物理仿真实验测试结果表明,基于线段融合的特征提取方法在空间目标特征提取中具有更好的稳健性。
-
关键词
特征提取
特征融合
k-D空间划分树
k最近邻搜索算法
-
Keywords
feature extraction
feature fusion
k-D trees
k-Nearest neighbor search
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
