2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩80頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著社會的不斷進步,計算機技術、互聯(lián)網(wǎng)技術等不斷發(fā)展,數(shù)據(jù)也越來越豐富和復雜,針對豐富且復雜的數(shù)據(jù)進行聚類分析的重要方向也越來越受到人們的關注,高維數(shù)據(jù)聚類更是重點研究的領域。
  高維數(shù)據(jù)所帶來的“維災”,使得本來在低維數(shù)據(jù)上聚類可取得良好效果的方法不能取得好的聚類效果,從而提出了針對高維數(shù)據(jù)的聚類方法,主要分為維度約減和子空間方法。由于維度約減的方法無法保證不損失原始數(shù)據(jù)的信息,基于子空間的方法稱為高維數(shù)據(jù)聚類的重要研究方向。

2、子空間聚類方法有許多基于搜索的方法,比如CLIQUE、PROCLU等,都是基于某種搜索策略,在子空間中搜索類簇,但是由于數(shù)據(jù)分布的密度往往是不一致的,基于搜索的方法往往得不到理想的結果。
  本文重點研究稀疏子空間聚類方法,其基于數(shù)據(jù)的自表達性,利用解決稀疏優(yōu)化問題,將高維數(shù)據(jù)聚類問題轉化為對圖的劃分問題,基于圖的劃分原理,采用譜聚類思想,將圖劃分為幾個連通分量,達到聚類的目的,具有比較好的魯棒性。
  本文首先介紹了一些經(jīng)

3、典的聚類方法、針對高維數(shù)據(jù)聚類的相關方法以及經(jīng)典的子空間聚類方法。然后重點研究了稀疏子空間聚類算法的基礎理論及其整個算法流程。然后給出了針對經(jīng)典稀疏子空間聚類方法的兩點改進。最后基于 LBP的相關方法提取圖像特征,將改進的稀疏子空間聚類方法解決紋理圖像和人臉圖像聚類問題。本文的主要工作和創(chuàng)新點如下:
  1、基于非對稱拉普拉斯矩陣Lrw改進稀疏子空間(SSC)聚類算法。利用非對稱拉普拉斯矩陣Lrw對經(jīng)典稀疏子空間聚類方法進行了改進

4、,減少了SSC的時間復雜度,提高了聚類的速度。
  2、基于權值矩陣預設K-means聚類初始聚類中心,改進稀疏子空間聚類算法。基于解稀疏優(yōu)化問題后得到的權值矩陣W的性質,在稀疏子空間聚類的最后利用K-means方法時,設置相對合理的初始聚類中心,可以防止K-means方法聚類時陷入局部最優(yōu)或者結果不穩(wěn)定,提高了聚類的準確率。
  3、給出一種了利用多尺度LBP旋轉不變模式和稀疏子空間聚類算法的紋理圖像聚類方法。該方法首先利

5、用多尺度LBP旋轉不變算子獲得高維的紋理圖像特征。然后采用本文改進的SSC對得到的高維特征集進行聚類。該方法中提出取的紋理圖像高維特征包含了豐富的紋理特征信息,且同一個類的紋理特征接近位于同一個線性子空間中,利用改進的SSC對其進行聚類能夠得到比較理想的聚類結果。
  4、提出基于人臉分塊的LBP等價模式和稀疏子空間聚類算法的人臉圖像聚類方法。該方法首先利用LBP等價模式獨立計算每個人臉圖像塊的紋理特征,然后融合所有圖像塊的文理特

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論