网格聚类相关论文
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......
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......
随着计算机软硬件的迅速发展,产生了越来越多的数据流,例如股票价格波动、微博热门话题推荐、脑电波等。数据流会随着时间的推移产......
随着计算机通信技术的快速发展,网络安全问题也变得日益突出,以聚类分析为核心算法的入侵检测技术成为网络信息安全领域的一个重要......
随着全球科技的发展,世界网络化程度日益加深,互联网的普及导致信息量激增,对海量信息的数据挖掘已经引起了信息产业界的极大关注......
在信息和知识经济时代伴随着计算机技术和网络技术的不断发展，企业纷纷建立自己的商务网站，开展电子商务活动，日积月累网站上生成了大......
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......
现有网格空间多尺度聚类方法未能显式将尺度因子作为模型参数,难以实现尺度驱动的阈值自适应提取,导致聚类算法调参困难,从而无法......
伴随着智能终端的不断革新,基于位置数据的应用通过分析收集到的位置数据可以提高服务质量,但这些数据中往往涉及到敏感的个人信息......
智慧城市的不断推进促使很多城市建立了出租车浮动系统,出租车浮动系统提供了海量的出租车轨迹数据。出租车轨迹数据是一种典型的......
聚类分析是把数据对象划分成子集的过程,它是数据挖掘技术的核心,并且其应用范围非常广泛,其中基于密度的聚类算法具有较高的应用......
随着信息技术的发展,数据流这一新的数据形式日益普及。传统聚类算法无法处理持续、海量的数据流,因此针对数据流的新聚类技术应运......
数据挖掘已成为数据分析的主要研究方向,利用这种新技术人们可以发现数据集中不能轻易察觉的内在联系,也为商业、工业、医疗等决策......
随着我国国家高速公路网建设不断推进以及公路交通体系不断完善,桥梁检测作业愈加受到重视。及时对桥梁健康状况作出评估以采取相......
传统的K-均值聚类算法只能通过人工参数设定K值和初始簇中心点,而人工方式选择的K值和初始簇中心点往往有较大偏差,直接导致错误的......
在计算机图形领域,一个三维图形是由大量的多边形网格组成,三维图形越逼真,所需的多边形网格数目就越多,图形的拓扑结构就越复杂,......
图像分割是一种根据研究的需要将其划分为若干个有意义的区域的图像处理技术,图像分割质量的好坏直接影响后续图像处理的效果。图......
