前面介绍了k-means算法,并列举了该算法的缺点。而K中心点算法(K-medoids)正好能解决k-means算法中的 “噪声”敏感这个问题。
如何解决的呢?
首先,我们得介绍下k-means算法为什么会对“噪声”敏感。还记得K-means寻找质点的过程吗?对某类簇中所有的样本点维度求平均值,即获得该类簇质点的维度。当聚类的样本点中有“噪声”(离群点)时,在计算类簇质点的过程中会受到...
分类:
编程语言 时间:
2014-11-05 13:02:45
阅读次数:
204
一 什么是基于密度的聚类算法
由于层次聚类算法和划分式聚类算往往只能发现凸形的聚类簇。为了弥补这一缺陷,发现各种任意形状的聚类簇,开发出基于密度的聚类算法。这类算法认为,在整个样本空间点中,各目标类簇是由一群的稠密样本点组成的,而这些稠密样本点被低密度区域(噪声)分割,而算法的目的就是要过滤低密度区域,发现稠密样本点。
二 DBSCAN(Density-based Spatial ...
分类:
数据库 时间:
2014-11-05 13:00:41
阅读次数:
308
一、研究背景维纳滤波器参数是固定的,适合于平稳随机信号。卡尔曼滤波器参数是时变的,适合于非平稳随机信号。然而,只有在信号和噪声的统计特性先验已知的情况下,这两种滤波术才能获得最优滤波。在实际应用中,常常无法得到信号和噪声统计特性的先验知识。在这种情况下,自适应滤波技术能够获得极佳的滤波性能,因而具有...
分类:
其他好文 时间:
2014-11-03 12:51:02
阅读次数:
227
理解系统这是第一条股则,因为它是最重要的。阅读手册。它会告诉你在使用除草机时,要在除草头上涂润滑油,这样除草绳就不会被烧化。仔细阅读每一个细节。关于微处理器如何处理中断的详细信息就隐藏在数据手册的第37页。掌握基础知识。点据本身就会发出很大的噪声。了解工作流程。引擎的转速可能与轮胎的转速不同,这是由...
分类:
其他好文 时间:
2014-11-02 07:02:27
阅读次数:
319
调试九法概要思维导图文字概要理解系统这是第一条股则,因为它是最重要的。阅读手册。它会告诉你在使用除草机时,要在除草头上涂润滑油,这样除草绳就不会被烧化。仔细阅读每一个细节。关于微处理器如何处理中断的详细信息就隐藏在数据手册的第37页。掌握基础知识。点据本身就会发出很大的噪声。了解工作流程。引擎的转速...
分类:
其他好文 时间:
2014-11-01 21:43:47
阅读次数:
418
Kalman(卡尔曼)滤波是一种高效率的递归滤波器(自回归滤波器), 它能够从一系列的不完全及包含噪声的测量中,估计动态系统的状态。Kalman滤波的一个典型实例是从一组有限的,包含噪声的,对物体位置的观察序列(可能有偏差)预测出物体的位置的坐标及速度。
Kalman滤波器的基本思想是,若有一组强而合理(合理的意思是“限制非常宽松使得这种方法对真实世界中出现的相当多的实际问题都有用”)的假设,给出系统的历史测量值,则可以建立最大化这些早前测量值的后验概率的系统状态模型。
另外,无需存储很长的早前测量历史,我...
分类:
其他好文 时间:
2014-10-28 12:14:38
阅读次数:
257
一、数据预处理1、数据如果能够满足其应用的要求,那么他是高质量的。 数据质量涉及许多因素:准确性、完整性、一致性、时效性、可信性、可解释性。2、数据预处理的主要任务:数据清洗、数据集成、数据规约、数据变换。二、数据清理:试图填充缺失值,光滑噪声、识别利群点、纠正数据中的不一致。1、缺失值的处理:1)...
分类:
其他好文 时间:
2014-10-25 22:56:59
阅读次数:
291
题意:
轮廓跟踪 算法题中已经提供 保证所有有轮廓的图形里面都没用洞 像素小于5的图形算噪声 将所有图形的轮廓大小排序输出
思路:
模拟题 逻辑好就行了
首先要bfs 判断那些图形是一块 同时将噪声扔掉 然后就是实现题目提供的轮廓跟踪算法 最后将轮廓排序输出
代码:
#include
#include
#include
#include
#include
#inclu...
分类:
其他好文 时间:
2014-10-25 21:31:12
阅读次数:
268
()代码实现对原图进行高斯平滑,去除图像中的计算噪声void Bmp::MakeGauss(double sigma,double **pdKernel,int *pnWindowSize){//循环控制变量int i;//数组的中心点int nCenter;//数组的某一点到中心点的距离doubl...
分类:
其他好文 时间:
2014-10-22 21:54:35
阅读次数:
336
运动目标检测跟踪各过程算法综述图像预处理数字图像中的几种典型噪声有:高斯噪声来源于电子电路噪声和低照明度或高温带来的传感器噪声;椒盐噪声类似于随机分布在图像上的胡椒和盐粉微粒,主要由图像切割引起或变换域引起的误差;加性噪声是图像在传输中引进的信道噪声。一般来说,引入的都是加性随机噪声,可以采用均值滤...
分类:
编程语言 时间:
2014-10-22 12:41:42
阅读次数:
233