基于A-DBSCAN的欠定盲源分离算法

TN911.7; 为提升欠定盲源分离问题中混合矩阵的估计精度,在噪声环境下基于密度的空间聚类(densitybased spatial clustering of applications with noise,DBSCAN)算法的基础上,提出一种自适应确定输入参数的DBSCAN算法(adaptive DBSCAN,A-DBSCAN)用于混合矩阵估计.针对DBSCAN算法邻域半径(Eps)及邻城点数(MinPts)依赖人为设定的问题,首先利用曲线拟合方法得出Eps,然后通过分析聚类输出类别数与噪声点数关系确定MinPts,并将其与混合矩阵估计模型相结合,最后通过最短路径算法实现源信号恢复.实验...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 42; no. 12; pp. 2676 - 2683
Main Authors 季策, 穆文欢, 耿蓉
Format Journal Article
LanguageChinese
Published 东北大学计算机科学与工程学院,辽宁沈阳110169 01.12.2020
东北大学医学影像智能计算教育部重点实验室,辽宁沈阳110169
Subjects
欠定盲源分离
邻域点数
密度聚类
邻城半径
曲线拟合
Online AccessGet full text
ISSN1001-506X
DOI10.3969/j.issn.1001-506X.2020.12.02

Cover

More Information
Summary:TN911.7; 为提升欠定盲源分离问题中混合矩阵的估计精度,在噪声环境下基于密度的空间聚类(densitybased spatial clustering of applications with noise,DBSCAN)算法的基础上,提出一种自适应确定输入参数的DBSCAN算法(adaptive DBSCAN,A-DBSCAN)用于混合矩阵估计.针对DBSCAN算法邻域半径(Eps)及邻城点数(MinPts)依赖人为设定的问题,首先利用曲线拟合方法得出Eps,然后通过分析聚类输出类别数与噪声点数关系确定MinPts,并将其与混合矩阵估计模型相结合,最后通过最短路径算法实现源信号恢复.实验结果表明,提出的算法在估计混合矩阵和恢复源信号时,相关性能与对比算法相较均有明显提升.
ISSN:1001-506X
DOI:10.3969/j.issn.1001-506X.2020.12.02