导读:本文包含了梯度聚类论文开题报告文献综述及选题提纲参考文献，主要关键词:高斯混合模型,空间聚类,梯度,空间邻域信息函数
梯度聚类论文文献综述
张宝一,陆浩,杨莉,李雪峰,黄岸烁[1]（2019）在《顾及梯度的高斯混合模型在叁维属性场空间聚类中的应用》一文中研究指出针对高斯混合模型(GMM)在空间聚类中由于忽视目标对象之间的空间关联性而导致的高误判率等问题,本文提出了一种顾及梯度的高斯混合模型:GMM-G,并将其应用在叁维属性场的空间聚类中。GMM-G用反映标量场最大属性变化方向的梯度因子来定义邻域规则,设定梯度正交平面所通过的邻域体元更倾向于与中心体元归属于相同或相近的类别;并据此设计了符合归一性和空间连续性的空间邻域信息函数,来定义中心体元属于各类别的具有空间领域规则约束的后验概率。通过对由蒙特卡洛随机抽样构建的实验场的空间聚类结果进行对比表明,相对GMM方法,GMM-G具有更优的聚类精度及效率。最后,把GMM-G方法用于红透山铜矿区可控源音频大地电磁法(CSAMT)叁维视电阻率场的空间聚类,得到了与已知岩性划分具有较高匹配度的分类结果,该方法可为物性属性场的岩性划分及地质推断提供相关的依据和参考。(本文来源于《地质找矿论丛》期刊2019年03期）
薛怡宁,何明栩,徐川晴,刘润萌[2]（2019）在《基于梯度Hough变换和K-medoids聚类的年轮髓心定位》一文中研究指出为实现不同条件下年轮髓心的自动定位,本文提出一种基于梯度Hough变换和K-medoids算法的年轮髓心定位算法。首先应对年轮图片进行预处理,将彩色图片灰度化,并进行降噪、图像分割。然后通过Sobel算子提取边缘,利用基于梯度变换的Hough变换计算得到若干疑似髓心。最后利用K-medoids算法对疑似髓心进行聚类,得到最终的髓心。实验结果表明,该算法定位的髓心与人工标定的髓心重合度较高,具有一定的实用性。(本文来源于《电子技术与软件工程》期刊2019年08期）
解博,朱斌,张宏伟,马旗,张扬[3]（2019）在《基于深度学习航拍图像检测的梯度聚类算法》一文中研究指出针对在目标检测中现有方法检测速度慢的问题,基于航拍图像中人造物体含有大量边缘的特点,提出了一种基于梯度聚类的区域建议算法(APM)。利用目标检测算法对提取的感兴趣区域进行检测,在DOTA (Dataset for Object deTection in Aerial Images)数据集上对算法的实时性和准确率进行了测试。研究结果表明,所提算法极大地提升了目标检测算法对大尺寸、目标密集的航拍图像的检测速度,该方法的召回率较高。(本文来源于《激光与光电子学进展》期刊2019年06期）
解博,朱斌,张宏伟,马旗,张扬[4]（2018）在《基于深度学习的梯度聚类SSD算法参数选择》一文中研究指出基于深度学习的航拍目标检测算法,由于硬件条件的限制,不能对大尺寸的航拍图像直接进行检测,通常采用滑窗法提取候选区域,但这种方式不能兼顾算法的实时性。一种梯度聚类SSD算法利用航拍图像中人造物体的边缘梯度进行区域建议,对建议区域利用SSD模型进行目标检测得到检测结果,能够一定程度地解决对大尺度航拍图像检测的实时性问题。本文根据航拍图像的特点,对基于梯度聚类SSD中梯度聚类算法进行参数选择,使其建议的区域更加准确。实验在DOTA数据集上对参数的效果进行了检验。(本文来源于《电声技术》期刊2018年07期）
来伊丽,唐向宏,楼幸欣[5]（2018）在《利用梯度融合与聚类的叁维视频图像修复》一文中研究指出针对叁维视频图像的空洞填充中的前景背景分割时容易造成前景对象提取不准确而影响修复效果的问题,提出利用梯度融合与聚类相结合的叁维视频图像修复算法.首先利用分水岭算法与标记相结合的办法对图像进行分割;然后充分利用深度图像的深度梯度结构信息,并采用K均值聚类对梯度图像进行标记修正,以增强对前景对象的辨别能力.实验结果表明,该算法较好地克服了原有分水岭算法在图像分割过程中易发生过分割现象,完整地提取了前景对象的纹理信息,使修复图像具有更好的视觉效果,峰值信噪比相比于原算法提高了1~3 d B.(本文来源于《计算机辅助设计与图形学学报》期刊2018年03期）
陈文根,李秀娟,吴兰[6]（2018）在《基于完全梯度聚类的小麦品种归类研究》一文中研究指出文章选取豫宝一号、秋乐2122、矮抗58、太空6号共四种小麦品种作为研究对象,其中每种分别选取100粒健康籽粒。实验中通过图像处理方法分别提取小麦的颜色、形态和纹理特征,最终得到每个小麦籽粒的特征向量;然后利用完全梯度聚类方法对这400粒小麦籽粒按其特征向量归类。实验结果表明4种小麦品种归类的正确率92%、90%、87%、94%,对比k-means方法准确率有了较大提高。结果说明了完全梯度聚类方法是一种能有效实现小麦种子归类的方法,对小麦种子育培有指导作用。(本文来源于《电脑与信息技术》期刊2018年01期）
张宝一,蒙菲,杨莉,王丽芳,吴湘滨[7]（2017）在《顾及梯度矢量的高斯混合模型在叁维属性场空间聚类中的应用》一文中研究指出空间聚类作为一种重要的数据分析手段,给出合理的空间数据的划分方案,可有效地挖掘出其中潜在的空间分布规律。高斯混合模型(GMM,Gaussian Mixture Model)作为一种常见的聚类分析模型,侧重模拟具有复杂空间分布数据的概率分布,因而聚类结果在统计学上具有较好的可解释性。但是,高斯混合模型在进行空间聚类时大多对数据的非空间属性的概率分布进行模拟,而忽视了数据的空间(本文来源于《2017中国地球科学联合学术年会论文集（五十）——专题104：深部矿产资源评价理论方法、专题105：中国“叁稀”矿产资源分布与成因》期刊2017-10-15）
包鹏,张启彬,王纪凯,陈宗海[8]（2017）在《基于边缘梯度密度聚类的区域主方向识别方法》一文中研究指出区域覆盖一般指智能体按照一定的规则对目标区域进行覆盖的过程。在该过程中,根据空闲区域的主方向信息规划运动路径能够有效地降低区域覆盖的代价,提高机器人的工作效率,典型的如可以降低机器人转弯的频率等。针对目标区域主方向的识别问题,本文基于边缘梯度的思想,提出了一种自动识别区域主方向的方法。该方法首先使用一种基于距离的最大类聚类方法提取区域的边缘信息,其次计算区域边缘点的梯度值,对梯度值进行聚类分析,最大类均值对应的垂直方向即为区域主方向。通过实际实验,证明了本文方法的有效性。(本文来源于《第18届中国系统仿真技术及其应用学术年会论文集（18th CCSSTA 2017）》期刊2017-08-11）
陈云,黄焕宗[9]（2016）在《基于因子分析与聚类分析法的海峡西岸总部经济发展梯度研究》一文中研究指出对海峡西岸地区总部经济的相关研究文献进行回顾,完善海峡西岸总部经济发展评价指标体系,并选取海峡西岸经济区中成员城市作为评价样本,运用因子分析与聚类分析相结合的定量分析方法,对福建省总部经济发展情况进行横向和纵向比较,提取两个有效的公共因子,获得总部经济发展的整体梯度。研究结果表明:海峡西岸地区仍然面临着区域经济发展不均衡,资源要素差距大,总体经济实力不强等问题,用此方法可以客观地找出总部经济区各城市发展的优势与不足。(本文来源于《通化师范学院学报》期刊2016年05期）
贾阳,吉方,张云飞,黄文[10]（2015）在《基于梯度聚类离散思想的磁流变抛光自适应轨迹》一文中研究指出针对磁流变抛光过程中抛光轨迹会引入迭代误差的问题,设计了步长和行距随光学表面梯度自适应变化的光栅线抛光轨迹。首先根据光学元件的表面误差分布,利用标准五点法获得面形各点的梯度值,再基于聚类离散思想将所有面形点根据梯度值大小进行了归类,从而得到轨迹步长和行距随面形误差变化的自适应轨迹。在自研的磁流变加工机床上进行了实验研究,将一块直径50mm的微晶玻璃,从峰谷值为65nm、均方根值为12nm收敛到峰谷值为21nm、均方根值为2.5nm,并且在加工后的表面功率谱密度曲线上没有出现明显的尖峰误差。实验结果表明,这种自适应轨迹能有效抑制中高频误差。(本文来源于《强激光与粒子束》期刊2015年12期）
梯度聚类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为实现不同条件下年轮髓心的自动定位,本文提出一种基于梯度Hough变换和K-medoids算法的年轮髓心定位算法。首先应对年轮图片进行预处理,将彩色图片灰度化,并进行降噪、图像分割。然后通过Sobel算子提取边缘,利用基于梯度变换的Hough变换计算得到若干疑似髓心。最后利用K-medoids算法对疑似髓心进行聚类,得到最终的髓心。实验结果表明,该算法定位的髓心与人工标定的髓心重合度较高,具有一定的实用性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
梯度聚类论文参考文献
[1].张宝一,陆浩,杨莉,李雪峰,黄岸烁.顾及梯度的高斯混合模型在叁维属性场空间聚类中的应用[J].地质找矿论丛.2019
[2].薛怡宁,何明栩,徐川晴,刘润萌.基于梯度Hough变换和K-medoids聚类的年轮髓心定位[J].电子技术与软件工程.2019
[3].解博,朱斌,张宏伟,马旗,张扬.基于深度学习航拍图像检测的梯度聚类算法[J].激光与光电子学进展.2019
[4].解博,朱斌,张宏伟,马旗,张扬.基于深度学习的梯度聚类SSD算法参数选择[J].电声技术.2018
[5].来伊丽,唐向宏,楼幸欣.利用梯度融合与聚类的叁维视频图像修复[J].计算机辅助设计与图形学学报.2018
[6].陈文根,李秀娟,吴兰.基于完全梯度聚类的小麦品种归类研究[J].电脑与信息技术.2018
[7].张宝一,蒙菲,杨莉,王丽芳,吴湘滨.顾及梯度矢量的高斯混合模型在叁维属性场空间聚类中的应用[C].2017中国地球科学联合学术年会论文集（五十）——专题104：深部矿产资源评价理论方法、专题105：中国“叁稀”矿产资源分布与成因.2017
[8].包鹏,张启彬,王纪凯,陈宗海.基于边缘梯度密度聚类的区域主方向识别方法[C].第18届中国系统仿真技术及其应用学术年会论文集（18thCCSSTA2017）.2017
[9].陈云,黄焕宗.基于因子分析与聚类分析法的海峡西岸总部经济发展梯度研究[J].通化师范学院学报.2016
[10].贾阳,吉方,张云飞,黄文.基于梯度聚类离散思想的磁流变抛光自适应轨迹[J].强激光与粒子束.2015