目的为了提高图像超分辨率算法对数据奇异点的鲁棒性,提出一种采用K均值聚类和支持向量数据描述的图像超分辨率重建算法(Kmeans—SVDD).方法训练过程:首先用K均值聚类算法将训练图像的近似子带划分为若干类,然后用支持向量数据描述去除每类数据的奇异点,最后在小波域内用主成分分析训练近似子带和细节子带字典.测试过程:根...
下列关于聚类法方法描述正确的是(__)。A.k均值算法B.学习向量化算法试图找到一组原型向量来刻画聚类结构C.高斯混合聚类采用概念模型来表达聚类原型D.学习向量化算法属于层次聚类点击查看答案 你可能感兴趣的试题 第1题:Maxpute中实例运行可能出现下述()状态。A.RunningB.SuccessC.FailedD.Terminated 答案解析与讨论:点...
为了提高图像超分辨率算法对数据奇异点的鲁棒性,提出一种基于K均值聚类和支持向量数据描述的图像超分辨率重建算法.提出的算法分为训练和测试部分:在训练部分,首先在K均值聚类基础上用支持向量数据描述去除每类数据的奇异点,然后用主成分分析训练小波域近似子带和细节子带字典.在测试部分,首先根据同一场景高低分辨率图像近...