分享到:

基于改进C均值聚类的自适应图像分色算法

1引言彩色图像的分色在印刷、纺织印染、色彩检索以及彩色地图的分层处理与识别等领域有着广泛而重要的应用[1~3]。对于一幅256级灰度的彩色图像,其颜色可达1600多万种,而要将包含如此多颜色的样图印刷或印染到承印物上是不可能的,因为染料和纱线的颜色很有限,一般只有几十到几百种。因此,在印刷、纺织印染等行业中,如何用一种技术将包含丰富颜色的样图分色到仅含少量颜色的分色图中,且保持分色图与样图之间的误差尽可能的少,是一个值得研究的问题。实际上,分色的目标就是找到一个合理的颜色集合,该集合中的颜色能够代表样图中的某一种或多种颜色,使得样图中的各种颜色可以按色差距离归并到颜色集中的某种颜色,于是样图的颜色数量就能够大大减少。分色中的一个优化目标是使分色图和样图的误差尽可能的少,于是分色的过程实际上就是对颜色进行聚类分析的过程,也是一个多目标函数优化的过程。传统上有归整法进行粗糙的分色,但因其算法本身所限,分色效果不理想,且对于不同的图像...  (本文共3页) 阅读全文>>

《Transactions of Nanjing University of Aeronautics & Astronautics》2006年03期
Transactions of Nanjing University of Aeronautics & Astronautics

联合模糊c-均值聚类模型(英文)

INTRODUCTION Fuzzy clustering is one of the most importantmethods of unsupervised learning, and it alwayshas significant advantages over traditional cluster-ing. The fuzzy clustering based on the fuzzy settheory[1]is used to deal with ill-defined bound-aries between clusters. The most widely usedfuzzy clustering is the fuzzy c-means (FCM) algo-rithm[2,3], which is conceived by Dunn[4]and gen-eralized by Bezdek[5-7]. ...  (本文共6页) 阅读全文>>

《西安邮电大学学报》2014年03期
西安邮电大学学报

抑制式模糊C-均值聚类研究综述

计算机技术和网络技术的飞速发展,使得人们面对的数据类型越来越多,数据维数越来越高,数据量越来越大,目前世界已进入大数据时代。大数据时代对人类的数据驾驭能力提出了新的挑战,也为人们获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。作为数据分析的基本工具,模式识别的内涵在不断的扩大,模式识别的方法在不断的推新。鉴于现实的数据很多是没办法事先进行分类的,因此无监督模式识别方法越来越受到重视,而聚类分析是无监督模式识别的主要方式,因此国际上对聚类分析的理论、方法、算法的研究一直没有间断,这些年大有上涨趋势,各种有关聚类分析及应用的文章和著作层出不穷。在众多的聚类算法中,经典的硬C-均值(HCM)聚类算法是一个被人们经常使用的著名算法,其显著优点是原理简单直观、运行速度快,其明显缺点是数据的“硬划分”导致数据的分类不够理想。鉴于此,早在上世纪七八十年代,人们就开始考虑将数据的“硬划分”改为“软划分”(即:模糊划分),从而提出了著名的...  (本文共5页) 阅读全文>>

《水运管理》2009年02期
水运管理

模糊c-均值聚类法在干港选址中的应用

0引言世界经济的快速发展使得集装箱运输的发展逐渐从海上向内陆推进。集装箱内陆运输庞大的网络产生了巨大的经济效益和社会效益。一方面,其不断拓展港口的腹地,另一方面也为货主提供更加周到的服务,同时,集装箱网络的建成对交通运输系统也有重大影响。而内陆干港正是内陆运输网络的核心,其选址、投资建设对整个网络起着至关重要的作用。1干港选址影响因素干港是一个通过以铁路运输为主、以公路运输为辅的发达运输网络直接与港口相连的,具有除装卸船以外集装箱港口的一切功能,货主接受和发送集装箱如同与海港进行直接交付的内陆集装箱场站。干港的基本作业内容以集装箱运输为中心,其集装箱货物主要来自两方面:(1)干港所在地区生成的集装箱货物量;(2)在干港中转的集装箱量。本文选择以下因素作为干港选址的评价标准(见图1)。图干港选址评价指标体系2基于模糊c-均值聚类法的模型构建模糊c-均值聚类法在实际中得到普遍应用,该方法设计简单,解决问题的范围广,可以较好地实现迭代...  (本文共4页) 阅读全文>>

《水运工程》2009年05期
水运工程

模糊c-均值聚类法在干港选址中的应用

世界经济的快速发展,使得集装箱运输的发展也逐渐从海上向内陆推进。集装箱内陆运输庞大的网络产生了巨大的经济效益和社会效益。一方面,它不断拓展港口的腹地,一方面也为货主提供更加周到的服务,同时,集装箱网络的建成对交通运输系统也有着重大的影响。而内陆“干港”正是内陆运输网络的核心,它的选址、投资建设,对整个网络的影响起着至关重要的作用。1干港选址的影响因素分析干港的基本作业内容是以集装箱运输为中心开展的,从干港办理的集装箱货物的来源看,主要来自两个方面,干港所在地区生成和消失的集装箱货物量以及在干港中转的集装箱量。因此,本文选择图1所示因素作为干港选址的评价标准。图1干港选址评价指标体系2基于模糊c-均值聚类法的模型构建2.1相关定义1)对于给定的一个整数c(2≤c≤n),设Vcn={所有c×n实矩阵},如果①μ∈[0,1]坌i,k(1)c②i=1Σμik=1坌k(2)c③0i=1Σμikn坌i(3)那么,模糊聚阵U軗=[μik]∈V...  (本文共4页) 阅读全文>>

《哈尔滨理工大学学报》2008年05期
哈尔滨理工大学学报

基于核K-均值聚类和支持向量机结合的说话人识别方法

1引言说话人识别是根据语音波形中反映说话人生理和行为特征的语音参数自动识别说话人身份的技术,其本质是从语音信号中提取出表现说话人个性特征的语音参数,并据此建立模型,达到对说话人确认和辨识的目的.根据训练与测试的语音内容是否一致,分为文本无关和文本有关的说话人识别系统.SVM(支持向量机)是1992年Vapnik及其合作者提出的一种机器学习理论,它集成了做大间隔超平面、Mercer核、凸二次规划、稀疏解和松弛变量等多项技术[1],在手写数字识别、文本分类、人脸识别等模式识别问题中,得到广泛应用,并取得了很好的效果.在说话人识别中也得到了应用[2-3].本文提出一种基于核K-均值聚类和支持向量机的说话人辨识系统,把说话人语音信号经过非线性映射,映射到高维核空间,然后在核空间进行K-均值聚类,并选择少量样本进行分类,核K-均值聚类在没有影响识别率的情况下减少了支持向量机的训练时间和速度,与普通的聚类与SVM系统、传统的GMM说话人辨识...  (本文共4页) 阅读全文>>