网格聚类
网格聚类的相关文献在2005年到2022年内共计92篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、测绘学
等领域,其中期刊论文71篇、会议论文5篇、专利文献24604篇;相关期刊63种,包括人天科学研究、内江师范学院学报、湖北第二师范学院学报等;
相关会议5种,包括中国计算机用户协会网络应用分会2014年第十八届网络新技术与应用年会、2014湖北省计算机学会学术年会、2009年西南地区网络与信息系统学术年会等;网格聚类的相关文献由225位作者贡献,包括邱保志、张国毅、张西芝等。
网格聚类—发文量
专利文献>
论文:24604篇
占比:99.69%
总计:24680篇
网格聚类
-研究学者
- 邱保志
- 张国毅
- 张西芝
- 李光兴
- 杨承志
- 丁勇
- 于景茹
- 何佃伟
- 何怡刚
- 余沙
- 兰庆庆
- 刘宗歧
- 刘敏娟
- 周丽
- 唐俊
- 唐红杰
- 姜丹
- 姜青山
- 廖红舒
- 延婉梅
- 张花国
- 施侃
- 曹建蜀
- 李伯阳
- 李长路
- 林宇
- 武晗
- 沈钧毅
- 潘卿波
- 王伟民
- 王劲林
- 王晓峰
- 甘露
- 祝俞刚
- 罗剑
- 罗静
- 肖本贤
- 胡忠旺
- 许景渊
- 赵宇迪
- 赵梓皓
- 邱磊
- 郭志川
- 陈昊
- 陈明燕
- 陈荣保
- 陈黎飞
- 雍正
- 黄斌
- 黄鑫城
-
-
江婧婷;
郑朝晖
-
-
摘要:
本文阐述了一种应用于大规模数据节点划分的改进网格密度峰值聚类算法.针对传统的密度峰值聚类算法距离矩阵计算时间长,人工选取阈值对聚类结果的影响较大,限制其在大规模数据集中的应用等缺点,本文采用基于自适应网格划分的密度峰值聚类,通过判断网格均衡来计算网格间距离,引入万有引力得到网格相对引力,通过极大值平均选取法自动得到密度与引力阈值.经过不同数据集的对比实验,本文提出的大规模节点划分算法在保证算法准确度的同时,其执行速度最高约提升了77%,由轮廓系数评估的聚类质量稳定在0.42左右.
-
-
张修望;
钱银森;
宋春林
-
-
摘要:
针对目前车道线检测算法准确度低、鲁棒性不高、人工智能车道线识别算法需要大量的数据和计算量,以及对车载设备要求高等问题,提出了一种基于网格聚类的车道线检测算法。算法在检测出直线之后,把图像按像素划分为很多个小网格,然后再用网格聚类算法对车道线进行分类。方法计算量低,适应的场景多。实验和仿真结果表明,算法与其他车道线拟合算法相比,具有较好的准确度和鲁棒性。
-
-
唐孟麒;
李波;
郝丽君
-
-
摘要:
针对扩展目标跟踪中量测集划分困难及目标数目估计不准的问题,提出了一种面向扩展目标跟踪的网格聚类量测集划分方法。首先,由目标之间的时空关联性,将当前时刻的量测划分为存活目标量测与新生目标量测。然后,针对高斯混合概率假设密度滤波器与扩展目标高斯混合概率假设密度滤波器,分别推导出改进的模糊C均值算法与改进的网格聚类算法用于划分存活目标量测集与新生目标量测集。仿真结果表明本文方法可实现量测集的准确划分,有效完成扩展目标跟踪,避免了漏检与过检。
-
-
孙璐;
梁永全
-
-
摘要:
针对基于密度的噪声应用空间聚类算法(density based spatial clustering of applications with noise,DBSCAN)计算复杂度较高以及无法聚类多密度数据集等问题,提出了一种网格聚类算法和DBSCAN相结合的融合聚类算法(G_FDBSCAN)。利用网格划分技术将数据集划分为稀疏区域和密集区域,分而治之,降低计算的时间复杂度和采用全局参数引起的聚类误差;改进传统的DBSCAN聚算法得到FDBSCAN,将密集区域中网格聚类的结果作为一个整体参与后续的聚类,在网格划分基础上进行邻域检索,减少邻域检索和类扩展过程中对象的无效查询和重复查询,进一步减少时间开销。理论分析和实验测试表明,改进后的算法与DBSCAN算法、DPC算法、KMEANS算法、BIRCH算法和CBSCAN算法相比,在聚类结果接近或达到最优的情况下,聚类效率分别平均提升了24倍、11倍、2倍、3倍和1倍。
-
-
安一文;
贺伟;
曹晓鹏
-
-
摘要:
针对K-means算法随机初始中心点的选取及K值用户设定的缺点,提出了一种基于网格的分簇算法.该算法首先通过将用户进行网格聚类分簇,找到密度大于所设定阈值的网格,识别为密集网格.然后对这些密集网格的中心执行最大最小距离算法,并返回所有网格的聚类中心和聚类K值,将其作为K-means算法的初始条件,执行K-means算法.最后,对文中算法及K-means算法做了时间复杂度、算法运行时间、分簇结果的常见评价指标(CH指标、轮廓系数、兰德指数)做了对比.仿真结果表明:该算法的时间复杂度和K-means基本相同,对于预处理过的数据相比K-means算法收敛速度更快.对于文中数据分簇:CH指标提升了31.786,轮廓系数提升了0.044,兰德系数提升了0.154,使得我们最终的分簇指标更优.
-
-
朴承哲
-
-
摘要:
为了提高大规模非结构化数据的分布式存储能力,提出基于空间网格聚类的大规模非结构化数据分布式存储方法.构建大规模非结构化数据多维空间分布式融合模型,采用模糊中心权重聚类的方法进行数据的线性加权控制处理,通过样本扩展和密度融合的方法提取数据特征,采用选择随机性特征分析方法实现对数据特征空间划分,并利用空间网格聚类方法实现大规模非结构化数据分布式存储.仿真结果表明,该方法的执行时间较短,数据聚类准确性较高.该方法有效提高了大规模非结构化数据分布式存储性能,实际应用效果好.
-
-
孔德明;
段呈新;
巴特·古森斯;
王书涛
-
-
摘要:
针对目前车载16线激光雷达点云数据中障碍物检测算法准确率不高的问题,提出了一种基于自适应网格聚类的障碍物检测方法.首先,结合八叉树与随机抽样一致性算法(RANSAC)去除地面点;其次,投影点云至二维网格,依据各网格高程信息快速提取高结构物;然后,建立两级网格模型,按照粗网格聚类结果的分布信息自适应地确定子网格分辨率,对可能包含多目标的障碍物在子网格层进行准确检测;最后,结合相邻时刻障碍物的状态信息修正检测结果.在16线激光雷达城市道路环境测试集下的实验结果表明:该算法可准确检测行驶区域内障碍物目标,优化后的聚类算法较好地降低了欠分割与过分割错误率,检测准确率达91%.
-
-
阎峻;
黄建德;
孙鹏玉;
蒋池剑;
陆靓
-
-
摘要:
在无线传感器网络中,传感器的能量时有限的,如果传感器的能量耗尽,那么无线传感网络的鲁棒性和寿命就会大大降低.因此,提出了基于模糊强化学习和果蝇优化的数据聚合机制,以最大限度地延长网络寿命,并进行高效数据聚合.首先,网格聚类用于簇的形成和簇头的选择,接着评估各个网格簇所有可能的数据聚合节点,然后采用模糊强化学习选取最佳数据聚合节点,最后利用果蝇优化算法动态定位整个无线传感网络的数据汇聚节点.仿真结果表明,提出的数据聚合方案在能耗和网络鲁棒性方面优于对比方案.
-
-
-
-
-
YU Sha;
余沙;
CHEN Ming-yan;
陈明燕;
CAO Jian-shu;
曹建蜀
- 《2014湖北省计算机学会学术年会》
| 2014年
-
摘要:
针对高密度杂波环境中多目标航迹起始时虚假航迹多和起始处理速度慢的问题,提出了一种将扫描点迹先聚类后进行航迹起始的新算法TI-GCL(Track Initiation Algorithm Based on Grid Clustering and Modified Logic Algorithm).新算法通过网格核技术和边界提取技术分别对高、低密度网格中的回波点迹进行处理,得到更为准确的簇,进一步利用簇中数据对象的相似度进行聚类,最后对每个聚类中的点迹运用修正逻辑法起始目标航迹.仿真结果表明,该算法在高密度杂波环境下能够准确、快速地起始多目标航迹,适于工程运用.
-
-
-
-
MA Jianhong;
马建红;
GAO Yuqiang;
高玉强;
Liwei;
李伟
- 《第18届全国图象图形学学术会议》
-
摘要:
针对基于密度的DBSCAN聚类算法对输入参数Eps敏感及算法时间复杂度高的问题,提出了一种基于数据分区和网格聚类相结合的密度聚类算法(PC-DBSCAN).首先,计算每个数据点到其K最近邻域内所有数据点的距离的平均值K-ave,根据每个数据点对应的K-ave值进行单维度聚类来实现数据分区,缓解了算法对全局参数Eps敏感的问题;其次,针对每一个数据分区,把其对应的数据空间划分成以Eps为网格阈值互不相交的网格单元,在确定核心对象时,只需要对数据点所在网格单元及其周围的网格单元进行遍历,避免了遍历数据空间中所有的数据点,优化了核心点的确定方式,降低了时间复杂度;最后,对各数据分区聚类结果进行合并.实验结果表明,改进后的算法是正确和高效的.