搜索资源列表
lmd
- 包含国内外介绍局部均值分解(一种非平稳信号处理方法)的文献。-articles about Local Mean Decomposition method.
entati
- 非局部加权模糊C均值聚类图像分割Non-locally weighted fuzzy C-means image segmentation-Non-locally weighted fuzzy C-means image segmentation
Corner-Detection-Harris-Algorithm
- 摘要提出了一种改进的Har“s角点检测方法。该方法在Harris角点检测求得角点响应函数后,利用双掩膜来定 义进行非极大值抑制的局部范围,结合K均值聚类方法进行非极大值抑制,若像素点的角点响应函数值满足预设角点判定 条件,则将该像素点定义为角点。实验结果表明,该方法无需进行阈值选择,提高了角点检测精度。-Abst旧ct An improved harris_based comer detection methOd is presented in the paper. Firstly,th
lmd
- 局部均值分解是由Smith提出的一种新的非线性和非平稳信号分析方法。由于LMD是依据信号本身的信息进行自适应分解的,产生的PF分量具有真实的物理意义,由此得到的时频分布能够清晰准确地反映出信号能量在空间各尺度上的分布规律。-Local mean decomposition is a new nonlinear and non-stationary signal analysis method proposed by the Smith. Since LMD information is base
KMeans
- K-均值聚类算法,属于无监督机器学习算法,发现给定数据集的k个簇的算法。 首先,随机确定k个初始点作为质心,然后将数据集中的每个点分配到一个簇中,为每个点找距其最近的质心, 将其分配给该质心对应的簇,更新每一个簇的质心,直到质心不在变化。 K-均值聚类算法一个优点是k是用户自定义的参数,用户并不知道是否好,与此同时,K-均值算法收敛但是聚类效果差, 由于算法收敛到了局部最小值,而非全局最小值。 K-均值聚类算法的一个变形是二分K-均值聚类算法,该算法首先将所有点作为一个簇,然
NLM
- 非局部均值算法的matlab实现,并附有峰值信噪比的计算(Non local means with matlab)