一种改进的粒子群和K均值溷合聚类算法 一种改进的粒子群和K均值溷合聚类算法

将模糊集理论和k-means聚类联系起来，设计了模糊k-means聚类算法，其聚类效果比单纯的k-means要好。

针对k均值聚类算法存在的缺点，提出了一种新的聚类算法———基于粒子群的k 均值聚类算法，并将此算法与现有的基于遗传算法的k均值聚类算法进行比较, 理论分析和数据实验证明，该算法有较好的全局收敛性，不仅能有效地克服传统的k 均值算法易陷入局部极小值的缺点，而且全局收敛能力优于基于遗传算法的k均值聚类算

非局部均值，图像去噪，matlab程序，可直接运行，有点慢

算法复习实践，使用python和numpy实现均值滤波算法，巩固编程基础

CUDA、GPU实现图像的sobel、prewitt、均值、中值滤波

介绍了一种新的非平稳信号分析方法———局部均值分解(Localmean decomposition,简称LMD) 。LMD方 法可以自适应地将任何一个复杂信号分解为若干个具有一定物理意义的PF ( Product function)分量之和,其中每个PF分 量为一个包络信号和一个纯调频信号的乘积,从而获得原始信号完整的时频分布。本文首先介绍了LMD方法,然后将 LMD方法对仿真信号进行了分析,取得了满意的效果,最后将其和经验模式分解EMD ( Emp irical mode decomposition)方 法进行了对比,结果表明在端点效应、迭代次数等方面LMD方法要优于EMD方法。

传统的滤波在去噪的同时，也损失了图像的层次造成图像的部分细节损失.所以，在传统的基础上进行了改进

基于meanshift的单目标跟踪算法实现 说明： 1. RGB颜色空间刨分，采用16*16*16的直方图 2. 目标模型和候选模型的概率密度计算公式参照上文 3. opencv版本运行：按P停止，截取目标，再按P，进行单目标跟踪 4. Matlab版本，将视频改为图片序列，第一帧停止，手工标定目标，双击目标区域，进行单目标跟踪。 博客地址：http://blog.csdn.net/jinshengtao/article/details/30258833

提取图像灰度信息—>利用均值哈希算法得到图像的二值编码—>计算汉明距离判断图像相似性—>得到最终检索结果