绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 1
  (已选择0条) 清除 结果分析
找到 2 条结果
摘要:针对传统K-均值聚类算法对初始中心选择敏感和全局搜索能力不足的缺点,提出一种结合灰狼优化和K-均值的混合聚类算法 (GWO-KM ). 将灰狼优化智能算法首次应用到聚类分析领域,利用灰狼算法良好的勘探能力去寻找使聚类结果最佳的一组聚类中心,克服了原始聚类算法对初始中心点的过度依赖. 通过在UCI标准数据集上的仿真实验表明, 该混合聚类算法相对于传统的K-均值聚类算法和其他改进算法,在收敛速度、聚类质量和稳定性上都表现更佳....
[硕士论文] 杨红光
计算机科学与技术 江西理工大学 2016(学位年度)
摘要:数字图像修复是机器视觉中的研究热点,如今越来越多的研究者加入到图像修复的研究行列中,促使图像修复技术得到了快速的发展。然而,由于图像破损情况的复杂性,时至今日还没有一种修复算法能够适应于所有情况的修复。
  要完成图像的自适应修复,前提是能够对图像的破损区域自动分割提取,目前大多数的破损区域的确定还是靠人工来完成。文章用赣南地区红色文物作为图像处理的研究模体,在其基础上展开了对图像破损区域自动提取和修复的研究。具体内容如下:
  (1)聚类分析中的K-均值(K-Means Clustering)聚类是非常经典的无监督聚类算法。它原理较为简单并且能够快速收敛,而缺点也很明显:算法结果严重依赖初始中心的选择,并且全局寻优能力不足。灰狼优化算法是最近几年提出的一种元启发式算法,拥有良好的勘探与开发能力,文章提出一种结合灰狼优化和 K-均值的混合聚类算法。实验证明,该混合算法以寻求一组最佳聚类中心为目标,在较快的收敛速度下能得到良好的全局搜索能力,提高了原始算法的稳定性和精确性。
  (2)自适应提取图像的破损区域一直是个研究热点,文章将提出的混合聚类算法应用到图像分割技术当中,以赣南红色文物图像为载体进行了对比试验,得到了更出色的提取效果,完成了图像自动修复的关键一步。
  (3)研究学习了图像修复中以偏微分方程理论为基础的不同修复模型,对赣南红色文物图像进行了虚拟修复。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

万方选题

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部