基于优化k均值建模的运动目标检测算法
本文关键词:基于优化k均值建模的运动目标检测算法
更多相关文章: MAGA遗传算法 k均值聚类算法 运动目标检测 聚类中心
【摘要】:在对运动目标检测构建出精准的背景模型的方法中,k均值聚类算法是一种快速且简单有效的划分法,对于大型数据集,可伸缩且高效k均值聚类算法被广泛应用。但是,该算法会对初始聚类中心的变化表现得敏感,聚类中心的变化常会使得算法误差较大。本文将介绍一种对初始聚类中心选择改进法:利用遗传算法能高效地全局搜索出最优解这一特点,克服了k均值聚类算法易陷入局部最优解的缺点。改进后的遗传算法MAGA能快速地提取出最优初始聚类中心,通过实验仿真总结出基于MAGA的k均值聚类建模精确度比较高,对检测小而多的运动目标存在很大优势。
【作者单位】: 河海大学计算机与信息学院;
【分类号】:TP391.41;TP311.13
【正文快照】: 1引言视觉监控系统是近年来计算机视觉领域的前沿研究方向,在交通状况监控、动态环境中运动目标实时观测、自动导航系统中具有广泛应用前景[1]。计算机视觉技术中一个新的发展方向是智能监控,智能视觉能实现智能监控,其中运动目标检测与跟踪技术是视觉监控系统中的核心部分,具
【相似文献】
中国期刊全文数据库 前10条
1 谢娟英;蒋帅;王春霞;张琰;谢维信;;一种改进的全局K-均值聚类算法[J];陕西师范大学学报(自然科学版);2010年02期
2 曹易;张宁;;一种改进的模糊C-均值聚类算法[J];上海理工大学学报;2012年04期
3 王圆妹;;一种改进的K-均值聚类算法的研究[J];长江大学学报(自科版);2006年10期
4 王圆妹;;一种改进的K-均值聚类算法的研究[J];长江大学学报(自科版)理工卷;2006年04期
5 刘韬;蔡淑琴;曹丰文;崔志磊;;基于距离浓度的K-均值聚类算法[J];华中科技大学学报(自然科学版);2007年10期
6 查成东;王长松;巩宪锋;周家新;;基于改进K-均值聚类算法的背景提取方法[J];计算机工程与设计;2007年21期
7 王丹丹;李彬;陈武凡;;基于多目标规划的模糊C均值聚类算法[J];中国图象图形学报;2008年08期
8 刘坤朋;罗可;;改进的模糊C均值聚类算法[J];计算机工程与应用;2009年21期
9 俞云霞;王士同;朱嵬鹏;;具有数据容错能力的模糊C均值聚类算法[J];计算机工程与设计;2010年03期
10 李翠霞;谭营军;;一种新的模糊C均值聚类算法[J];河南大学学报(自然科学版);2011年02期
中国重要会议论文全文数据库 前9条
1 孙广玲;唐降龙;;一种快速k-均值聚类算法[A];第六届全国计算机应用联合学术会议论文集[C];2002年
2 陈晓山;朱建冲;翁辉;;一种改进的模糊C均值聚类算法及其应用[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年
3 葛继科;余建桥;张帆;张蕊;;改进的K-均值聚类算法[A];’2004计算机应用技术交流会议论文集[C];2004年
4 刘健庄;谢维信;;一种改进的快速模糊C均值聚类算法[A];中国系统工程学会模糊数学与模糊系统委员会第五届年会论文选集[C];1990年
5 汪民乐;高晓光;李勇;;新型遗传模糊C-均值聚类算法及其在导弹目标选择中的应用[A];2007年中国智能自动化会议论文集[C];2007年
6 赵爽;李晓奇;沙秀艳;;特征加权模糊C均值聚类算法在划分劳动报酬中的应用[A];第三届中国智能计算大会论文集[C];2009年
7 黄建军;杨勋;谢维信;;基于类云模型的C均值聚类算法[A];第十三届全国信号处理学术年会(CCSP-2007)论文集[C];2007年
8 罗小刚;彭承琳;刘婷;侯长军;霍丹群;文利;;基于模糊C均值聚类算法的心脏扭转运动中心室壁轮廓的自动提取[A];中国仪器仪表学会医疗仪器分会第四次全国会员代表大会暨2009年学术年会论文集[C];2009年
9 刘靖明;韩丽川;;粒子群优化k均值的混合聚类算法研究[A];2004年中国管理科学学术会议论文集[C];2004年
中国硕士学位论文全文数据库 前10条
1 刘莉莉;K-均值聚类算法的研究与改进[D];曲阜师范大学;2015年
2 许竣玮;基于改进粒子群的K均值聚类算法研究[D];长沙理工大学;2014年
3 王龙强;K均值聚类算法初始聚类中心的选取与改进[D];东北大学;2013年
4 梁鹏;基于Spark的模糊c均值聚类算法研究[D];哈尔滨工业大学;2015年
5 徐曼舒;基于改进人工蜂群的模糊C均值聚类算法研究[D];安徽大学;2016年
6 孙钒;风电场场站级有功功率优化控制研究[D];华北电力大学(北京);2016年
7 蒋帅;K-均值聚类算法研究[D];陕西师范大学;2010年
8 吴晓蓉;K-均值聚类算法初始中心选取相关问题的研究[D];湖南大学;2008年
9 赵爽;改进的模糊C均值聚类算法及其应用[D];东北大学;2010年
10 欧陈委;K-均值聚类算法的研究与改进[D];长沙理工大学;2011年
,本文编号:1267576
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/1267576.html