K-means算法处理海量数据时，易产生系统内存溢出的现象。利用MapReduce框架改进K-means虽然解决了这个问题，但也存在着聚类效果不稳定以及准确率不高等问题，提出一种改进算法，利用MapReduce框架实现K-means时，采用多次随机抽样，通过计算密度、距离与平方误差等方法，最终选取较优的初始聚类中心，并在迭代中采用新的中心点计算方法。实验结果证明，改进后的算法具有较好的稳定性、准确性和加速比。

传统随机抽样一致性（RANSAC）算法只能进行粗配准, 且配准效率低。针对该问题提出一种改进的RANSAC快速点云配准算法。该算法将内部形态描述子算法和快速点特征直方图(FPFH)算法相结合, 得到特征描述子, 然后采用预估计和三维栅格分割法改进RANSAC算法, 最后与传统配准算法采样一致性初始配准算法进行比较。实验结果表明, 本文算法能快速精确地剔除误匹配点, 进行仿射变换矩阵求解, 无需二次配准。本文算法相较于传统配准算法有很大优势, 在大规模三维点云配准中具有很好的稳健性, 并且在保证精度的同时可大幅提高配准效率。

01简单随机抽样.ppt

实现文件按照指定量级随机抽样

人教高中数学必修简单随机抽样PPT课件.pptx

Python原来这么简单(win系统 提高篇)

高中数学 老人教 必修3 第二章 课件——统计

资源里面一共三种随机抽样的方法，分别是别名表抽样、罐子抽样、直接抽样 使用MATLAB语言实现的，希望对你有帮助。

用最大似然分类（随机抽样，分层随机抽样），并计算整体精度，KAPPA精度，用户者精度 和生产者精度。

蒙特卡洛方法及应用.nh