代表点
代表点的相关文献在1959年到2022年内共计100篇,主要集中在自动化技术、计算机技术、汉语、社会科学丛书、文集、连续性出版物
等领域,其中期刊论文88篇、会议论文3篇、专利文献86446篇;相关期刊72种,包括人民政坛、韩山师范学院学报、辞书研究等;
相关会议3种,包括第五届全国数字博物馆与文化自然遗产数字化及保护研讨会、中国自动化学会中南六省区自动化学会第十届学术年会、中国电子学会第十一届青年学术年会等;代表点的相关文献由200位作者贡献,包括刘博文、刘纪涛、叶杨等。
代表点—发文量
专利文献>
论文:86446篇
占比:99.89%
总计:86537篇
代表点
-研究学者
- 刘博文
- 刘纪涛
- 叶杨
- 吴丽华
- 周傲英
- 孙朝旭
- 张为华
- 张胜迪
- 徐涛
- 徐琎
- 晏良
- 李蓉
- 林伦伦
- 段晓君
- 王宏安
- 费荣昌
- 郭躬德
- 陈黎飞
- FANG KaiTai
- WANG WenJun
- ZHOU Min
- 丁军娣
- 丁聪
- 万静
- 严学窘
- 乔全生
- 伯晓晨
- 余勇
- 倪维健
- 冯永
- 刘光斌
- 刘冬
- 刘娟
- 刘季
- 刘彤
- 刘恒
- 刘援朝
- 刘畅
- 刘艳梨
- 刘贝贝
- 刘赏
- 刘阳
- 刘飞
- 刘黎明
- 包蹇
- 卢佳佳
- 卢巧焕
- 卢志茂
- 卢海艇
- 史燕中
-
-
刘娟;
万静
-
-
摘要:
密度峰值聚类算法是一种基于密度的聚类算法.针对密度峰值聚类算法存在的参数敏感和对复杂流形数据得到的聚类结果较差的缺陷,提出一种新的密度峰值聚类算法,该算法基于自然反向最近邻结构.首先,该算法引入反向最近邻计算数据对象的局部密度;其次,通过代表点和密度相结合的方式选取初始聚类中心;然后,应用密度自适应距离计算初始聚类中心之间的距离,利用基于反向最近邻计算出的局部密度和密度自适应距离在初始聚类中心上构建决策图,并通过决策图选择最终的聚类中心;最后,将剩余的数据对象分配到距离其最近的初始聚类中心所在的簇中.实验结果表明,该算法在合成数据集和UCI真实数据集上与实验对比算法相比较,具有较好的聚类效果和准确性,并且在处理复杂流形数据上的优越性较强.
-
-
林高思源
-
-
摘要:
传统的KNN算法存在分类效率低等缺点.针对这些缺点,本文提出一种高效的结合多代表点思想的加权KNN算法,利用变精度粗糙集上下近似区域的概念,结合聚类算法生成代表点集合构造分类模型,再运用结构风险最小化理论优化分类模型并对影响分类模型的因素进行分析.分类过程中根据测试样本与各代表点的相似度,得到测试样本的相对位置.其中属于样本点下近似区域的测试样本可直接判断其类别.若测试样本在其他区域,则根据测试样本与各代表点的相对位置对各代表点覆盖范围内的样本进行加权后判断测试样本的类别.在文本分类领域的数据集上进行实验,结果表明该算法能有效的提高分类模型的性能.
-
-
王军;
周凯;
程勇
-
-
摘要:
密度峰值聚类(DP)算法是一种新的基于密度的聚类算法,当它处理的单个聚类包含多个密度峰值时,会将每个不同密度峰值视为潜在聚类中心,以致难以在数据集中确定正确数量聚类,为此,提出一种混合的密度峰值聚类算法C-DP.首先,以密度峰值点为初始聚类中心将数据集划分为予簇;然后,借鉴代表点层次聚类算法(CURE),从子簇中选取分散的代表点,将拥有最小距离的代表点对的类进行合并,引入参数收缩因子以控制类的形状.仿真实验结果表明,在4个合成数据集上C-DP算法比DP算法聚类效果更好;在真实数据集上的Rand Index指标对比表明,在数据集S1上,C-DP算法比DP算法性能提高了2.32%,在数据集4k2_far上,C-DP算法比DP算法性能提高了1.13%.由此可见,C-DP算法在单个类簇中包含多密度峰值的数据集中能提高聚类的准确性.
-
-
刘艳梨;
吴洪涛;
李耀;
王若冰;
徐媛嫒;
陈柏
-
-
摘要:
根据平面平台型6-UPS并联机器人的结构特点,选取3个代表点的空间坐标作为参数来描述动平台的位置和姿态,结合3个代表点之间的约束条件,建立9个参数的一次与二次多项式方程组,通过对方程组进行消元处理,最终得到6个未知数表示的二次多项式方程.针对所获得的二次多项式方程组特点,改进传统牛顿-拉夫森数值迭代算法,并将其用于并联机器人的一般六维二次多项式方程数值求解,迭代算法收敛并可得到唯一解.数值算例表明,在同等条件下,传统旋转矩阵方法的计算时间为1.42~2.67 ms,所提代表点算法计算时间为0.14~0.23ms,大大减少了计算时间,提高了收敛速度和计算效率,为并联机器人高性能闭环实时控制奠定了良好基础.
-
-
-
-
孙元元;
张德生;
张晓
-
-
摘要:
针对传统K近邻分类器在大规模数据集中存在时间和空间复杂度过高的问题,可采取原型选择的方法进行处理,即从原始数据集中挑选出代表原型(样例)进行K近邻分类而不降低其分类准确率.本文在CURE聚类算法的基础上,针对CURE的噪声点不易确定及代表点分散性差的特点,利用共享邻居密度度量给出了一种去噪方法和使用最大最小距离选取代表点进行改进,从而提出了一种新的原型选择算法PSCURE(improved prototype selection algorithm based on CURE algorithm).基于UCI数据集进行实验,结果表明:提出的PSCURE原型选择算法与相关原型算法相比,不仅能筛选出较少的原型,而且可获得较高的分类准确率.
-
-
林伦伦
-
-
摘要:
本文基于国家语言资源保护工程的启动开展,针对“潮汕方言有无保护价值”、“潮汕方言会消亡吗”、“潮汕方言中哪个方言点是最标准的”、“潮汕方言中哪个方言点是最古老的”和“潮剧是用哪个方言点演唱的”等五个问题,展开讨论和阐述.本文对于汉语方言资源保护工程的开展,具有现实的指导意义,例如关于调查选点、布点和发音合作人的选择、非遗项目的录音摄像等等.这五个问题也是其他方言土语也都会产生的共性问题,因而带有普遍性的学术意义.
-
-
刘恒;
苏静;
唐咸艳;
卢佳佳;
梁志胜;
洪月华
-
-
摘要:
基于密度分布式聚类算法(DBDC)在分布式聚类运算中运用广泛,但具有较高的算法时间复杂度.本文提出了一种基于代表点交互的全局聚类方法,利用数据网格运算方法将数据对象映射到空间网格,改进基于密度的分布式聚类算法,优化原算法的空间搜索过程,从而改进生成本地聚类的效率.同时在全局聚类层面可利用中心点作为代表点来降低聚类误差.通过实验,表明该方法能够改进基于密度的分布式聚类算法,较传统分布式聚类算法提高了准确性度并降低了算法时间复杂度.
-
-
郑河荣;
陈恳;
潘翔
-
-
摘要:
In order to solve the speed slow problem of clustering the incremental large data, this paper proposes a fast clustering method based on the representative points and the density peaks.Firstly, this algorithm uses the method of representative points to achieve clustering the incremental large data.According to deleting the invalid cluster data, the average density of cluster is adjusted.Then the algorithm of representative points is used to update the samples.Finally, the algorithm of density peaks is used to repeat clustering in order to update the core point.The experimental results show that the algorithm can effectively improve the convergence speed of the algorithm.In the application aspect, this clustering algorithm can be used in face clustering work with the large amount of data and optimize the effect of face clustering.%为了解决增量大数据聚类速度缓慢问题,提出了一种结合密度峰和代表点分析的快速聚类算法.先对样本集进行初始化聚类,然后根据删除失效的聚类数据调节聚类簇群的密度均值,再利用代表点的算法对样本集进行更新,最后采用密度峰算法进行重复聚类从而更新聚类核心点.通过实验分析表明:该算法可有效提高算法收敛速度.在应用方面,将这种聚类算法引用到大数据量的人脸聚类工作中,优化人脸聚类的效果.
-
-
张健;
叶建栲;
李广斌
- 《第五届全国数字博物馆与文化自然遗产数字化及保护研讨会》
| 2007年
-
摘要:
本文针对传统聚类算法只用一个中心点表示类的缺点,提出一种新的基于代表点的聚类算法。该算法借鉴CURE算法中多个代表点表示一个类的思想,首先采用划分方法将数据生成原子簇,然后以这些原子簇为基础,进行聚类。该方法能够识别任意形状及大小的类,去除噪声点,并且具有近似线性运行时间等优点。文中分析了该算法的计算复杂度并通过实例验证了该方法的有效性。
-
-
刘冬;
姚智颖;
刘光斌
- 《中国电子学会第十一届青年学术年会》
| 2005年
-
摘要:
非线性滤波算法一直是个活跃的研究方向,本文引入数论中的多元分布累积分布函数代表点,提出了一种基于代表点的非线性滤波算法,用于处理非线性高斯系统的滤波问题.文中对该算法在目标跟踪中应用进行了仿真实验,实验结果表明该算法得到的结果非常接近Cramer-Rao下界.
-