无参数聚类边界检测算法的研究

为自动快速地提取聚类的边界点,减少输入参数对边界检测结果的影响,提出一种无参数聚类边界检测算法。该算法不需要任何参数,在生成的三角剖分图上计算每个数据点的边界度,用k-means自动计算边界度阈值,按边界度阈值将数据集划分为候选边界点和非候选边界点两部分,根据噪声点在三角剖分图中的性质去除候选边界点中的噪声点,最终检测出边界点。实验结果表明,该算法能快速、有效地识别任意形状、不同大小和密度聚类的边界点。     

基于统计信息的聚类边界模式检测算法

为有效地检测聚类的边界点,提出基于统计信息的边界模式检测算法。根据数据对象的k距离统计信息设定邻域半径,再利用对象邻域范围内邻居的k距离统计信息寻找边界点。实验结果表明,该算法可以有效地检测出任意形状、不同大小和不同密度聚类的边界点,并可以消除噪声。     

基于变异系数的边界点检测算法

为有效检测聚类的边界点,提出基于变异系数的边界点检测算法.首先计算出数据对象到它的k-距离邻居距离之和的平均值.然后用平均值的倒数作为每个点的密度,通过变异系数刻画数据对象密度分布特征寻找边界点.实验结果表明,该算法可在含有任意形状、不同大小和不同密度的数据集上快速有效检测出聚类的边界点,并可消除噪声.     

基于统计信息聚类边界的不平衡数据分类方法

为解决不平衡数据在传统处理方法中容易出现数据的过拟合和欠拟合问题,提出基于统计信息聚类边界的不平衡数据分类方法.去除数据中噪声点,根据数据对象的k距离设定邻域半径,利用对象邻域范围内的k距离统计信息寻找边界点与非边界点;将少数类中的边界点作为样本,采用SMOTE算法进行过采样,对多数类采用基于距离的欠采样删除远离边界的...     

分类数据的聚类边界检测技术

随着分类属性数据集的应用越来越广泛,获取含有分类属性数据集的聚类边界的需求也越来越迫切。为了获取聚类的边界,在定义分类数据的边界度和聚类边界的基础上,提出了一种带分类属性数据的聚类边界检测算法——CBORDER。该算法首先利用随机分配初始聚类中心和边界度对类进行划分并获取记录边界点的证据,然后运用证据积累的思想多次执行该过程来获取聚类的边界。实验结果表明,CBORDER算法能有效地检测出高维分类属性数据集中聚类的边界。     

车祸中车辆严重碰撞区域边界图像分割技术

研究车祸中严重碰撞车辆图像边界准确分割问题。车祸中,如果发生碰撞较为严重,两车图像碰撞部位交汇的像素分布较为密集,像素会产生变异。传统的边沿检测算法多是基于像素差异进行边界分割,当车祸中像素密度分布密集导致像素变异的情况,会造成像素聚类效果不好,分割不完整,分割的准确性不高。提出了一种基于密度分布函数的车祸图像边界检测算法。算法通过计算数据车祸像素邻域半径内每个像素点对它的高斯影响函数之和,将其作为该像素对象的密度,再通过变异系数刻画像素对象密度分布特征从而提取车祸图像边界点。实验结果表明,算法提高了车祸图像边界分割的准确度。     

混合属性数据集的聚类边界检测技术

为了满足数据分析中获取含有混合属性的数据集聚类的边界需求, 提出一种混合属性数据集的聚类边界检测算法(BERGE). 该算法利用模糊聚类隶属度定义边界因子以识别候选边界集, 然后运用证据积累的思想提取聚类的边界. 在综合数据集和真实数据集上的实验结果表明, BERGE 算法能有效地检测混合属性数据集、数值属性数据集以及分类属性数据集的聚类边界, 与现有同类算法相比具有更高的精度.     

求解K-means聚类更有效的算法

聚类分析是数据挖掘及机器学习领域内的重点问题之一.K-means聚类由于其简羊买用,在聚类划分中是应用最广泛的一种方案.提出了在传统的K-means算法中初始点选取的新方案,对于K-means收敛计算时利用三角不等式,提出了加速收敛过程的改进方案.实验结果表明,改进后的新方法相对于传统K-means聚类所求的结果有较好的聚类划分.     

基于空间聚类的动物疫点分布划分算法研究

防疫管理资源(人员和设备等)的合理有效配置是动物疫情防疫管理关注的问题之一。根据疫点的空间分布情况,基于空间聚类和最大夹角边界确定方法,提出了对疫点分布进行分类划分的方法。首先研究了将K-Means聚类分析方法应用于疫点的空间聚类分析,实现了疫点按空间亲疏关系的分类。在此基础上,根据最大夹角原理,在聚类结果中确定了每一个分类的边界线,实现了对疫点按空间关系进行分类划分区域的方法,从而为疫情管理人员有效地监测与分析疫情空间分布模式、控制管理和预防动物疫情的扩散提供了支持。     

三维约束Delaunay三角化的实现

分析了约束Delaunay三角化中存在的边界一致性问题,给出了约束Delaunay三角化的理论依据,重点探讨了三维约束Delaunay三角化的可行性条件和范围,同时,给出了三维有限域约束Delaunay三角化的实现方法及其在石油地质勘探数据和机械零件方面的网格剖分实例.这种算法在复杂对象的科学计算和工程分析中发挥了重要作用.     

三维Delaunay三角剖分快速点定位算法研究

提高点定位的速度是提高Delaunay三角剖分运行效率的关键。本文对四面体定位算法进行了研究,结合有向查找定位的技术,建立合理的数据结构,通过对每个搜索四面体只需计算三个面的法向量,优化了基于法向定位的算法,从减少算法中运算量的角度提高运行效率。该算法定位路径唯一,效率更高,而且具有较好的效果。     

二维复杂限定Delaunay三角化算法

针对包括曲线边界和内部带有曲线限定条件的二维Delaunay三角化问题,提出了一种细化算法.首先给出了曲线段的逼近边定义,以保证限定曲线在网格中的存在;然后证明了该算法的收敛性和最终曲线的逼近边集合与原曲线的拓扑一致性,并且生成的网格符合Delaunay优化准则;最后给出了算法的应用实例,验证了其有效性.     

基于Voronoi 图和三角剖分的闭合曲线重建

以Voronoi图和Delaunay三角剖分为基础,针对二维闭合曲线集的采样点集,提出一种曲线重建算法。该算法按给定采样密度对曲线集进行采样,从而用一条或多条线段准确地重建曲线集,将采样点密集程度的度量定义为点集的本地特征值度量,以此要求采样达到一定的密集程度。理论分析证明该算法的时间复杂度为O(nlogn)。     

基于分类体数据的四面体网格剖分算法

虚拟内窥手术是以真实病人的CT或者MRI扫描数据为基础,首先通过组织分割,在计算机内部建立起三维模型,然后通过虚拟现实技术来模拟窥镜手术全过程的一项技术。其中,人体器官的三维网格建模是该技术中一个十分重要的部分,为了准确地进行了人体器官三维网格建模,在对三维体数据进行组织分割的基础上,提出了一种由分类体数据直接建立三维四面体网格的方法,由于Delaunay三角剖分所产生的网格质量比较高,所以该方法沿用逐点插入算法的思想,以特征点的提取和Steiner布点为基础来生成四面体网格,并通过组织边界的判定准则和利用flip操作来恢复组织边界,实践证明,该方法所生成的网格具有自适应的网格密度。     

三角剖分综述

多变形的三角剖分是计算几何中的基本问题,本文简述三角剖分的基本理论及应用,对三角剖分算法做简要的综述,为设计更好的三角剖分算法提供一定的依据。     

Delaunay三角网格的一种快速生成法

１．引 言 在计算流体力学中,采用非结构网格有许多优点,如易于生成复杂区域的网格和作网格自适应．最常见的非结构网格是非结构三角网格,而生成非结构三角网格的方法主要有前沿推进法［１－４］和 Ｄｅｌａｕｎａｙ三角剖分法［５－８］两大类．本文仅考虑后者并只讨论生成给定点集的 Ｄｅｌａｕｎａｙ三角网格． 目前流行的生成Ｄｅｌａｕｎａｙ三角网格的算法是Ｂｏｗｙｅｒ－Ｗａｔｓｏｎ算法［６,７］．Ｂｏｗｙｅｒ－Ｗａｓｏｎ算法是以逐点加入的方式进行的,如何提高该算法的运算效率是一个十分重要的问题［８－１３］．用 Ｂｏ…     

Algorithm for constrained delaunay triangulation

A direct algorithm for computing constrained Delaunay triangulation in 2-D is presented. The algorithm inserts points along the constrained edges (break lines) to maintain the Delaunay criterion. Since many different insertions are possible, the algorithm computes only those that are on the Delaunay circles of each intersected triangle. A shelling procedure is applied to put triangles together in such a way that completeness and correctness are guaranteed.     

点云的形状与曲线重建算法

针对平面无序带噪点云的曲线重建问题,给出了点云形状的定义并提出了构造点云形状的算法.该算法基于Delaunay三角剖分,在构造好点云的Delaunay三角剖分后对三角剖分进行细化,使得在点云中的点周围形成空间上的局部均匀采样;基于集合论中的基本概念定义点云中内点、外点和边界点,并且明确地定义了点云的形状,根据Delaunay三角剖分细化时,选择不同的参数得到不同层次的点云的形状;选择合适的参数得到相应形状后,通过薄化过程得到具有流形结构的曲线.实验结果表明,采用文中算法得到的重建曲线很好地反映了点云的形状,验证了该算法的有效性.     

Keyframe-based video summarization using Delaunay clustering

Recent advances in technology have made tremendous amounts of multimedia information available to the general population. An efficient way of dealing with this new development is to develop browsing tools that distill multimedia data as information oriented summaries. Such an approach will not only suit resource poor environments such as wireless and mobile, but also enhance browsing on the wired side for applications like digital libraries and repositories. Automatic summarization and indexing techniques will give users an opportunity to browse and select multimedia document of their choice for complete viewing later. In this paper, we present a technique by which we can automatically gather the frames of interest in a video for purposes of summarization. Our proposed technique is based on using Delaunay Triangulation for clustering the frames in videos. We represent the frame contents as multi-dimensional point data and use Delaunay Triangulation for clustering them. We propose a novel video summarization technique by using Delaunay clusters that generates good quality summaries with fewer frames and less redundancy when compared to other schemes. In contrast to many of the other clustering techniques, the Delaunay clustering algorithm is fully automatic with no user specified parameters and is well suited for batch processing. We demonstrate these and other desirable properties of the proposed algorithm by testing it on a collection of videos from Open Video Project. We provide a meaningful comparison between results of the proposed summarization technique with Open Video storyboard and K-means clustering. We evaluate the results in terms of metrics that measure the content representational value of the proposed technique.