排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
高维数据聚类是数据挖掘领域的重要研究课题,大规模高维数据聚类研究非常具有挑战性.针对高效的CABOSFV高维数据聚类算法,采用并行计算模式提高其大规模数据的处理能力,提出基于稀疏指数排序的高维数据并行聚类算法P-CABOSFV.该算法根据高维数据稀疏指数排序进行分割点选择实现数据划分,将数据分配到多个计算节点同时处理聚类任务,再基于集合稀疏特征差异度聚类结果合并策略将各计算节点的聚类结果合并得到最终聚类结果.UCI数据集和计算机合成数据集实验表明:高维数据并行聚类算法P-CABOSFV聚类质量良好,具有很强的数据规模和数据维度可扩展性,是有效可行的. 相似文献
2.
根据视频监控图像在时间上的连续性和空间上的继承性,利用连续三帧视频图像对称差分,找到运动区域,再结合人脸肤色的聚类特征确定出人脸候选区域,然后改进了利用投影的人脸定位算法,将单次投影发展为多次投影,并且结合人脸的几何特征,实现视频监控中复杂背景下的多人脸检测。实验表明,该算法复杂度小,准确率较高,对姿态、表情、背景等变化情况下人脸的检测均具有较好的鲁棒性。 相似文献
3.
广州市科技成果转化平台建设及展望 总被引：1，自引：0，他引：1
在2006年广州市提高自主创新能力工作会议上,搭建科技成果转化平台被列为广州市“十一五”期间科技创新“三个平台”之一。其中,“服务”指的是在成果转化过程中,为成果供需双方提供的包括技术、人才、资源等方面的一系列支持和帮助;“平台”是一个由科研院所、企业、成果转化中介服务机构和投融资机构等有机构成的综合性服务系统。本着在资源上实现共享、在效益上实现共赢、在规模上实现动态发展的原则, 相似文献
1