搜索资源列表
模糊C-均值（FCM）聚类算法Matlab实现
- 模糊聚类是一种重要数据分析和建模的无监督方法。简单概述模糊聚类的概念，介绍模糊C-均值（FCM）算法，并在matlab软件上对该算法进行仿真，结果表明，该算法设计简单，应用范围广，但改算法仍存在容易陷入局部极值点等问题，还需进一步研究
Simulated-Annealing
- 由于K-means 聚类方法对遥感图像进行分类时，对训练样本的选取依赖性很大，容易陷入局部最优的陷阱的情况，本文提出利用模拟退化算法对K-means 的聚类进行优化以获得 全局最优解的分类新方案。并以多波段影像为例进行验证分析，结果表明该方法可行，收敛 结果优于K-means 聚类算法，分类精度相对传统的K-means 算法更高。-Because K-means clustering classification depend on the training sample selecti
image-segmentation
- 针对目前传统的枸杞分级主要采用人工方法， 费时费力且效率不高的缺点， 提出了一种基于机器视觉技术对枸杞 进行自动分类的方法。 采用数字图像处理技术对枸杞图像进行了预处理、 分割 ， 从而提取枸杞的色泽、 大小及形状等特征 参数； 用 K-means 算法对特征进行聚类， 得到枸杞相应等级的基准； 根据聚类分析得到的基准采用最小距离分类器对枸杞 进行分级。 实验结果表明 ， 该方法能够准确快速地对不同色泽和大小的枸杞进行分类。-Traditional wolfberry sorting
demodulation-of-MFSK-signals
- 提出了一种多迸制频移键控(M娲K)信号调制分类及解调方法，选取截获接收机输出的MFSK信 号的时频脊线作为分类特征，利用无监督聚类算法求取最佳聚类数M．利用时频脊线的Ham：小波变换 估计码元宽度，并且利用对应最佳聚类数的聚类中心确定抽判门限，通过对时频脊线抽样判决，实现了 MFSK信号的解调．理论分析和对实际信号的处理结果证明了此算法的可行性．-new algorithm is proposed for elassillcation and demodulation of MFSK
Data-Mining
- 本论文在对各种算法深入分析的基础上，尤其在对基于密度的聚类算法、基于层次的聚类算法和基于划分的聚类算法的深入研究的基础上，提出了一种新的基于密度和层次的快速聚类算法。该算法保持了基于密度聚类算法发现任意形状簇的优点，而且具有近似线性的时间复杂性，因此该算法适合对大规模数据的挖掘。理论分析和实验结果也证明了基于密度和层次的聚类算法具有处理任意形状簇的聚类、对噪音数据不敏感的特点，并且其执行效率明显高于传统的DBSCAN算法。-Based on the analysis on clustering
基于NARX神经网络的轨道垂向不平顺估计_王贵
- 摘要:应用白噪声聚类经验模型分解方法(EEMD, Ensemble EMD)，进行轨道一车辆系统的时频分析， 分析钢轨不平顺的波长一幅值分布及短波不平顺的分布特点。通过理论推导，得到垂向钢轨不平顺与车体垂向 加速度之间的转移函数，并由简化模型仿真结果与实验数据对比分析得出二者的相关系数在0. 8以上，表明仿 真结果与实验数据非常吻合。利用简化模型进行数值仿真，所需复数乘法次数为N(21ogN+ 1)，满足实时仿真 的需要。实例所测钢轨不平顺和车体加速度的相关性分析结果表明，对加速度数据