一种支持向量聚类的快速算法

为了降低支持向量聚类(Support Vector Clustering,SVC)的运算复杂性,基于Yang等提出的邻近图法,用Merce[’核来表达Hilbert空间中的Euclidean距离,以此作为边的权重度量来生成最小生成树(Minimum Spanning Tree,MST),并只对MST的主干进行SVC连接运算．文中还定义了不相容性度量,并将其作为SVC连接运算中边的选择依据．试验证明,改进后算法的运行速度及聚类效果均优于邻近图法,特别是对大数据集的处理具有明显的优势,且具有一定的抗噪能力．     

基于块区域统计矩的实时运动检测模型

为了提高实时运动检测的鲁棒性,利用变异系数对图像序列帧的变化进行块区域统计矩描述,采用共线性检验算法获得变异系数的最大似然估计,然后构建了基于块区域变异系数最大似然比的三帧差分运动检测模型.实验结果表明,该模型能够较完整地检测到运动物体的轮廓边缘,且对于光照渐变、阴影及背景物体小幅度扰动等都具有较强的鲁棒性.     

一种基于块区域统计矩的实时运动检测方法

采用变异系数（Coefficient of Variation, CV）对图像序列帧进行块区域统计矩描述,采用共线性检验（Colinearity Test）的方法,给出了变异系数的最大似然估计（Maximum Likelihood Estimation, MLE）,构建了基于块区域变异系数最大似然比的三帧差分运动检测模型,最后给出了实验结果。实验表明,该模型能够较完整地检测到运动物体的轮廓边缘,且对于光照渐变、阴影及背景物体小幅度扰动等都具有较强的鲁棒性。