一种基于快速全局K均值聚类的神经网络声源角度估计方法本发明公开了一种基于快速全局K均值聚类的神经网络声源角度估计方法,通过采集麦克风M1与麦克风M0的声达时间差τ杨小鹏李雨晴刘泉华曾涛龙腾
本发明公开了一种基于快速全局K均值聚类的神经网络声源角度估计方法,通过采集麦克风M1与麦克风M0的声达时间差τ10以及麦克风M2与麦克风M0的声达时间差τ20,将τ10和τ20输入训练完成的快速全局K均值聚类优化的RBF神经网络得到声源角度信息;本发明对比已有技术,通过设置自适应选择半径以及结合全局K均值聚类算法中集合G的...
首先,通过平衡K均值聚类方法构造平衡K均值树,使得数据高效有序地以树型结构组织起来,实现对任一新样本数据的快速定位;然后,利用锚定位法与邻近簇思想,通过平衡树快速寻找得到新数据样本的多个近似近邻点,即K近邻点.本发明方法同时兼顾了基于树的K近邻算法与平衡K均值算法的优势,可以应用于图像识别,数据压缩,模式识别...