改进Parzen窗解决高维数据聚类的方法研究

来源 :计算机工程与应用 | 被引量 : 0次 | 上传用户:wdxswdxs
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
由于高维数据聚类的现实意义日益增强,而Parzen窗估计法仅对低维数据集聚类能获得良好的结果,随着维数增加,效率降低,因此对Parzen窗进行加权改进,通过多次仿真实验确定加权函数,将高维数据投射至低维空间,对其聚类,逐步投向高维空间,对结果矩阵进行优化处理,得到更为优良的聚类效果。
其他文献
频谱感知是认知无线电研究的关键技术之一,能量检测法是典型的频谱感知方法。针对传统的能量检测法和协同频谱感知存在的局限性,提出一种基于估计噪声的加权协同频谱感知方法
将谱图理论引入图像检索领域,将原图像按照灰度级进行划分,针对各个图像灰度分布的差异提出自适应划分方法,把图像的每个划分都看作一个子图,利用谱图理论计算各个子图之间的Normalized cut(Ncut),生成一个Ncut矩阵,在生成的Ncut矩阵中,计算每一个子图与其余子图的相似关系,提取原图像的特征向量,达到检索的目的。实验结果表明,该方法优于传统方法。
引入了紧致度和矩形度两种新型的多区域特征用于步态识别,并且对同质心高度和伸长度两种特征进行了融合。用中值滤波器估计出步态序列的背景,用差分法提取每帧图像的运动目标轮廓,并在此基础上提取紧致度等多区域特征。基于DTW分类算法在UCSD数据库和SOTON数据库进行了实验。其结果显示:单特征的中紧致度的识别率较高,但总体来说识别率有限,如果把几种特征融合进行乘性融合就能够达到较高的识别率。对实验结果进行
提出了一种基于混沌的离散小波和离散余弦双重变换域数字图像扩频水印算法。算法采用二值图像作为水印,增加了嵌入的信息量。仿真结果表明,算法不仅具有较好的安全性、不可见性