排序方式： 共有1条查询结果，搜索用时 31 毫秒
1
1.
基于优化初始聚类中心K-Means算法的跳频信号分选 总被引：3，自引：0，他引：3
提出了一种优化初始聚类中心的方法.方法通过搜索参数统计直方图峰值预估类数目,并根据峰值位置确定聚类中心大概位置.由于优化的初始类心与实际类心相隔不远,聚类迭代次数大为减少.与传统的优化聚类中心方法相比,本方法计算量更少.最后将改进K-Means聚类算法应用于跳频信号分选,仿真结果表明,分选效果良好. 相似文献
1