检索结果

Select

1. 基于空间邻近的点目标聚类方法

余莉, 甘淑, 袁希平, 李佳田

计算机应用 2016, 36 (5): 1267-1272. DOI: 10.11772/j.issn.1001-9081.2016.05.1267

摘要（318）

PDF （946KB）（413）

空间聚类是空间数据挖掘和知识发现领域的主要研究方向之一,但点目标空间分布密度的不均匀、分布形状的多样化,以及"多桥"链接问题的存在,使得基于距离和密度的聚类算法不能高效且有效地识别聚集性高的点目标。提出了基于空间邻近的点目标聚类方法,通过Voronoi建模识别点目标间的空间邻近关系,并以Voronoi势力范围来定义相似度准则,最终构建树结构以实现点目标的聚集模式识别。实验将所提算法与 K-means、具有噪声的基于密度的聚类(DBSCAN)算法进行比较分析,结果表明算法能够发现密度不均且任意形状分布的点目标集群,同时准确划分"桥"链接的簇,适用于空间点目标异质分布下的聚集模式识别。

参考文献 | 相关文章 | 多维度评价

Select

2. 晃动目标抑制的拟周期背景算法

贺飞越李佳田徐珩张蓝徐燕竹王红梅

计算机应用 2014, 34 (9): 2691-2696. DOI: 10.11772/j.issn.1001-9081.2014.09.2691

摘要（222）

PDF （1023KB）（433）

准确的背景模型是目标提取与跟踪的重要基础。针对复杂场景中出现的局部拟周期变化的晃动目标，在多高斯背景模型基础上，提出一种拟周期背景算法(QPBA)，用以抑制晃动目标，建立准确而稳定的背景模型。具体过程是：根据多高斯背景模型建立场景目标分类模型，分析晃动目标对高斯模型各参数产生的影响；以颜色分布值为样本建立高斯模型保留晃动所在像元，并以出现频次、时间间隔为权重因子，使晃动像元中的晃动模型融入背景模型。将拟周期背景算法与高斯混合模型(GMM)、背景建模算法(ViBe)、CodeBook等典型背景建模算法进行比较，通过定性、定量与效率三个方面的评估结果表明：拟周期背景算法对晃动目标抑制作用明显，误检率小于1%，可以很好地应对场景中晃动目标干扰；同时正检个数与其他算法保持一致，能够完整地保留运动目标；算法效率高，解算时间与CodeBook算法近似，满足实时性的计算要求。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于层次Voronoi图的点群相似度算法

康顺李佳田

计算机应用 2013, 33 (10): 2974-2976.

摘要（675）

PDF （578KB）（625）

通过对空间点群的自适应聚类方法构建层次Voronoi图,以此层次Voronoi图为切入点,计算点群的拓扑、密度和范围的相似度,结合有关标准差的数理统计方法,计算角度、距离的相似度。在各维度的相似度基础上,使用其几何平均值作为点群整体相似度的度量标准,优化点群相似度的计算方法,并通过实验证明算法的可行性

相关文章 | 多维度评价

Select

4. 基于四叉树结构的加权Voronoi图生成算法

李锐李佳田王华蒲海霞何育枫

计算机应用 2012, 32 (11): 3078-3081. DOI: 10.3724/SP.J.1087.2012.03078

摘要（811）

PDF （642KB）（388）

针对普通Voronoi图研究的局限性和加权Voronoi算法的低效率问题，提出基于四叉树结构的加权Voronoi图生成方法。核心思想是利用四叉树结构的层次性，获取未膨胀节点的搜索区域和相关生长源，以时间消耗值替代加权距离，并以节点的最短时间消耗值为依据查找归属生长源。推理了基于四叉树结构计算模型的几个基本性质。实验结果表明，本方法能实现生长源的快速膨胀，有效降低时间复杂度，其时间复杂度小于均匀格网结构，可操作性强，具有较好的实用价值。

参考文献 | 相关文章 | 多维度评价

Select

5. 非结构化文本数据的GIS描述性查询方法

蒲海霞李佳田李锐何育枫王华

计算机应用 2012, 32 (09): 2483-2487. DOI: 10.3724/SP.J.1087.2012.02483

摘要（1197）

PDF （759KB）（503）

针对传统地理信息系统(GIS)结构化或半结构化属性查询方法对查询语句输入的精度及查询范围的限制,提出了以哈尔滨工业大学《同义词词林》扩展版文本相关度计算为核心的非结构化文本数据GIS描述性查询方法。基本过程是根据描述性查询语句计算其与地理要素所关联的文本的相关度,进而以相关度值得出概括性查询结果。对比实验结果表明,描述性查询方法不但支持查询语句输入的多样化,而且能够有效地得出与输入的描述性查询相关联的地理要素。

参考文献 | 相关文章 | 多维度评价

Select

6. 二维空间聚类的树ART2模型

余莉李佳田李佳段平王华

计算机应用 2011, 31 (05): 1328-1330. DOI: 10.3724/SP.J.1087.2011.01328

摘要（1492）

PDF （470KB）（826）

ART2网络是一种著名的聚类方法,已实际应用于诸多领域,其作用于二维空间数据,不仅存在模式漂移和向量幅度信息缺失的问题,而且难以适应不规则形态分布的空间数据的聚类。提出了一种树ART2网络模型(TART2),通过长期记忆(LTM)模式的调整和向量幅度信息的学习,使ART2网络保持了带空间距离约束的旧模式记忆;引入树结构优化,降低了警戒参数设置的主观要求,减少了模式交混现象的发生。对比实验结果表明,TART2网络更适用于带状分布的空间数据聚类,具有较高的可塑性和自适应性。