摘要：文章提出了一种适合于嵌入式平台实现的自适应K–均值学习算法,用于解决标准K–均值算法中存在的无法自主确定类属数量、难以确定合理的初始化种子集和运算时间过长的问题。算法通过引入变异比准则（VRC）对聚类结果进行定量评估,并通过迭代运算寻找VRC最大值的方法有效解决了类属数量的自主确定问题;提出了一种分布式最大–最小初始化种子选择方法,利用渐进寻找类内距离最大样本的方法解决了K值递增时初始化种子集的确定问题;并给出了利用FPGA实现该算法的有效途径。仿真实验结果表明,该算法针对各种类型的样本向量均能够准确高效的完成聚类处理任务,VRC评估结果与理论预期一致,初始化种子集选择正确。为进一步实现目标分类、图像分割等智能图像处理任务奠定了基础。
分类：期刊> 自然科学与工程技术> 工程科技II> 航空航天科学与工程
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > JST 日本科学技术振兴机构数据库(日) > Pж(AJ) 文摘杂志(俄) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：自适应 硬件友好 图像处理 航天遥感
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
