共查询到10条相似文献,搜索用时 15 毫秒
1.
模糊最小最大神经网络是用超盒划分类空间的网络。本文首先对模糊最小最大神经网络作一简单描述,然后对一组水声目标数据进行聚类分析,并与模糊K-均值聚类算法的结果进行比较。 相似文献
2.
3.
4.
5.
6.
7.
针对水声目标信号复杂、样本获取难度大且富含不确定信息的问题,研究了一种新的证据K类近邻识别算法(Evidence K Nearest Neighbor,EK-NN)。首先在水声目标的各类训练样本中,根据特征距离大小选取待识别目标的K近邻,并构造其基本置信指派函数。然后使用证据理论中的Dempster-Shafer(D-S)规则对各类别下的近邻证据进行组合,最后再应用冲突置信的比例分配规则5(Redistribute Conflicting mass proportionally rule5,PCR5)将所有类别的组合证据进行融合,并根据融合结果和所设立的分类规则来判断目标的类别属性。根据水声目标实测数据,将新算法与其他几种常见的水声目标识别算法进行了对比分析,结果表明新算法能有效提高识别的准确率。 相似文献
8.
针对移动机器人在未知环境感知过程中对三维点云快速聚类分割的需求,提出一种基于图像信息约束的三维激光点云聚类方法。首先通过点云预处理获取有效的三维环境信息,采用RANSAC方法进行地面点云的分割剔除。其次传感器数据在完成时空配准后引入YOLOv5目标检测算法,对三维点云K-means聚类算法进行改进,利用二维图像目标物的检测框范围约束三维点云,减少非目标物的干扰;基于图像检测信息实现点云聚类算法的参数初始化;采用类内异点剔除法优化聚类结果。最后搭建移动机器人硬件平台,对箱体进行测试,实验结果表明,本文方法的聚类准确率和聚类时间分别为86.96%和23 ms,可用于移动机器人导航避障、自主搬运等领域。 相似文献
9.
基于空间邻域信息的二维模糊聚类图像分割 总被引:2,自引:0,他引:2
传统模糊C均值聚类(FCM)算法进行图像分割时仅利用了像素的灰度信息,并且使用对噪声较敏感的欧氏距离作为像素与聚类中心距离度量的标准,因此抗噪性能较差.为了克服传统FCM算法的局限性,本文提出了一种基于空间邻域信息的二维模糊聚类图像分割方法(2DFCM).该方法利用二维直方图描述的像素邻域关系属性,一方面为聚类提供较准确的初始聚类中心,从而避免聚类中的死点问题;另一方面通过提出聚类中心同时在像素值、像素邻域值二维方向上进行更新的思想,建立了包含邻域信息的新的聚类目标函数,实现了图像的分割.实验结果表明,这种方法抗噪能力强、收敛速度快,是一种有效的模糊聚类图像分割方法. 相似文献
10.
本文介绍了学习向量量化(LVQ)网络及其改进--广义的学习向量量化(GLVQ)网络在聚类分析和水声目标分类中的应用。通过聚类分布图和分类结果的比较,发现对LVQ网络进行的改进在一定程度上提高了聚类性能:基于GLVQ网络的分类 系统具有更好的分类性能。 相似文献