西北工业大学研究生创业种子基金(Z200570)
- 作品数：3 被引量：13H指数：2
- 相关作者：陈作平叶正麟郑红婵赵红星刘明更多>>
- 相关机构：西北工业大学更多>>
- 发文基金：西北工业大学研究生创业种子基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于部分失真搜索的自组织映射学习算法
- 2006年
- 针对传统的自组织映射网络在大数据量或高维情形下训练过程较慢的问题,提出了分别使用部分失真搜索和扩展的部分失真搜索来完成传统算法中最耗时的最近邻搜索过程,减少了完成训练所需乘法次数。实验表明,相对于传统的自组织映射学习算法,所提两种方法分别可以节约近1/3和1/2以上的计算量。
- 陈作平叶正麟赵红星郑红婵
- 关键词：自组织映射最近邻搜索
- 一种基于EPDS的快速K均值聚类算法被引量：3
- 2006年
- K-均值聚类是经常使用的一种数据聚类方法,但对大数据量情形,其聚类过程较慢,主要原因在于聚类过程中每个待聚类向量要反复进行一个最近邻搜索过程,以寻找与其距离最近的聚类中心;据此,文章提出使用扩展的部分失真搜索(Extended Partial Distortion Search,EPDS)来完成该最近邻搜索,极大地减少了完成聚类所需乘法次数。实验表明,相对于基本的K均值聚类算法,该方法可以节约1/3以上的计算量。
- 陈作平叶正麟刘明
- 关键词：K均值聚类最近邻搜索
- 结合K均值聚类和KD-Tree搜索的快速分形编码方法被引量：10
- 2006年
- 利用部分失真搜索求解传统K均值聚类算法中的最近邻搜索问题,显著地减少了传统算法的乘法次数,从而提高了聚类速度;然后用改进后的聚类算法来加速分形编码:首先将定义域块聚类并为每个类建立一棵KD-Tree,编码时对每个值域块先后用部分失真搜索与近似最近邻搜索得到与其距离最近的若干KD-Tree及其上的若干最近邻,而其最优匹配块即由后者产生.实验结果表明,相对于全局搜索,该方法能大幅度地提高编码速度和较大地提高压缩比,而解码质量只有很小的下降;相对于同类方法,在相同压缩比下有更好的加速效果和解码质量.
- 陈作平叶正麟赵红星郑红婵
- 关键词：分形图像压缩K均值聚类KD-TREE
