基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
自适应K-means++被用于提取线束连接器的主色特征值.首先对相机采集的图像进行去噪和增强对比度的操作;然后进行图像灰度化处理,通过大津阈值法分离线束主体与背景;再根据Canny算子提取每根导线的轮廓,由轮廓位置获取增强图像对应的图像块;最后通过线宽选取聚类区域并利用自适应K-means++提取主色特征值.实验通过中位切分法、K-means及自适应K-means++分别提取特征值,并与人眼视觉观测的特征值进行色差对比.实验表明自适应K-means++方法提取的特征值较准确.
推荐文章
基于k-means++的高炉铁水硅含量数据优选方法
预测
动态建模
神经网络
高炉炼铁
铁水硅含量
数据优选
k-means++
深度学习
基于 K-means++的无线传感网分簇算法研究
K-means++
均匀分簇
改进簇头选举函数
混合传输
基于孤立点自适应的K-means算法
K-means算法
孤立点
谢林模型
初始聚类中心
误差平方和
一种分层自适应快速K-means算法
HAFKM
K-means算法
分层聚类
自适应
大数据库
聚类树
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于自适应K-means++的线序特征值提取方法研究
来源期刊 现代信息科技 学科
关键词 线束连接器 主色特征值 自适应K-means++ 色差
年,卷(期) 2021,(1) 所属期刊栏目 计算机技术|Computer Technology
研究方向 页码范围 71-75,80
页数 6页 分类号 TP391.41
字数 语种 中文
DOI 10.19850/j.cnki.2096-4706.2021.01.019
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (68)
共引文献  (19)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(5)
  • 参考文献(1)
  • 二级参考文献(4)
2011(6)
  • 参考文献(0)
  • 二级参考文献(6)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(11)
  • 参考文献(0)
  • 二级参考文献(11)
2015(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(11)
  • 参考文献(1)
  • 二级参考文献(10)
2017(13)
  • 参考文献(0)
  • 二级参考文献(13)
2018(4)
  • 参考文献(3)
  • 二级参考文献(1)
2019(4)
  • 参考文献(4)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
线束连接器
主色特征值
自适应K-means++
色差
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代信息科技
半月刊
2096-4706
44-1736/TN
16开
广东省广州市白云区机场路1718号8A09
46-250
2017
chi
出版文献量(篇)
4784
总下载数(次)
45
总被引数(次)
3182
论文1v1指导