论文基于Kmeans—GMM模型地板块纹理分类算法是关于Kmeans方面的论文题目、论文提纲、kmeans python论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
摘 要：为解决地板块纹理分类难度大的问题,提出了一种基于Kmeans-GMM模型的地板块纹理分类方法.在阐述混合高斯模型GMM及参数估计算法原理的基础上,采用灰度共生矩阵提取地板块纹理特征,结合Kmeans算法,通过训练得到各类纹理所对应的混合高斯模型GMM的参数,实现对地板块纹理分类.实验结果表明该方法辨识准确率高、识别速度快,优于传统的神经网络分类法以及SVM算法,为地板块纹理分类的研究提供了一个新的思路.
总结:本文是一篇关于Kmeans论文范文，可作为相关选题参考,和写作参考文献。
参考文献：
1、 基于LDA模型和分类号的专利技术演化 〔摘要〕[目的 意义] 运用概率主题模型全面研究专利文献主题演化，分析专利技术发展过程及趋势。[方法 过程]LDA模型按时间窗口对专利文本建模，。
2、 LBP—自适应增强模型木材纹理分类 摘要：针对传统木材纹理分类的准确率低且难度大的问题，依据LBP（局部二值）算子和AD-ABOOST（自适应增强）算法理论，提出了LBP-ADAB。
3、 基于改进竞争型神经网络的分类算法 摘要：该文针对竞争型神经网络在对训练样本没有明显的分类特征时不能准确分类的问题，在已有的分类算法基础上，提出了一种改进的分类算法。该算法在竞争型。
4、 粗糙集数据高精度分类算法 摘 要： 针对传统高精度分类算法在面对不定因子时，无法确定计算数据信噪度，造成计算精度不佳的问题，提出基于属性约简的粗糙集数据的高精度分类算法。。
5、 基于因子分析和Bayers判别烤烟香型分类模型构建和验证 摘要：为研究烤烟化学组成与其香型间的关系，通过抽样法收集了2011-2013年国内15省71市（县）500个烟叶样品。参照行业及文献相关标准测定。