基于优化k均值建模的运动目标检测算法

摘要：

在对运动目标检测构建出精准的背景模型的方法中,k均值聚类算法是一种快速且简单有效的划分法,对于大型数据集,可伸缩且高效k均值聚类算法被广泛应用。但是,该算法会对初始聚类中心的变化表现得敏感,聚类中心的变化常会使得算法误差较大。本文将介绍一种对初始聚类中心选择改进法：利用遗传算法能高效地全局搜索出最优解这一特点,克服了k均值聚类算法易陷入局部最优解的缺点。改进后的遗传算法 MAGA能快速地提取出最优初始聚类中心,通过实验仿真总结出基于 MAGA的k均值聚类建模精确度比较高,对检测小而多的运动目标存在很大优势。

关键词：MAGA遗传算法、k均值聚类算法、运动目标检测、聚类中心

所属期刊栏目：35

分类号：TN820.4;TP301.6(无线电设备、电信设备)

在线出版日期：2017-02-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：20-23