基于初始聚类中心优化的K-均值算法

针对传统的K-均值算法对初始聚类中心的选取和孤立点敏感的问题,本文提出了一种基于点密度的初始聚类中心选取方法。利用该方法选出初始聚类中心,再应用K-均值算法进行聚类,同时对孤立点进行特殊处理。实验表明,该方法能够产生高质量的聚类结果。     

基于经验模态分解的图像拼接

对待拼接图像分别进行经验模态分解,对分解得到的第一个固有模态函数与第二个固有模态函数的叠加进行特征点提取、特征点匹配与变换矩阵的估计以实现图像的拼接,文中提出的方法有效提高了特征点匹配的正确率,具有很强的鲁棒性.在图像融合方面文中提出一种新的基于余弦关系变换的加权融合技术,在实现图像无缝拼接的同时,可有效去除拼接图像重...     

基于经验模态分解的图像拼接

对待拼接图像分别进行经验模态分解,对分解得到的第一个固有模态函数与第二个固有模态函数的叠加进行特征点提取、特征点匹配与变换矩阵的估计以实现图像的拼接,文中提出的方法有效提高了特征点匹配的正确率,具有很强的鲁棒性。在图像融合方面文中提出一种新的基于余弦关系变换的加权融合技术,在实现图像无缝拼接的同时,可有效去除拼接图像重叠区域的重影与鬼影现象。     

一种基于路径的划分聚类算法

针对传统的划分聚类算法不能够发现任意形状的簇的缺点,本文引入一种能够有效反映样本间相似度的距离度量---基于路径的距离度量,并设计了新的目标准则函数,从而进一步提高算法的有效性。实验表明本文的算法能够自动确定聚类的个数,可以发现任意形状的类,对孤立点不敏感,而且具有高质量的聚类效果。