李日贵
- 作品数：3 被引量：10H指数：2
- 供职机构：广东工业大学计算机学院更多>>
- 发文基金：广东省科技计划工业攻关项目广东省自然科学基金广州市科技计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于并行运算的双层图像锐化方法被引量：4
- 2013年
- 针对低清晰度照片或图像放大后边界模糊、画质差及人们对高清图像的实际需求,基于统一计算架构(CUDA)环境,提出了一个两层结构的图像并行锐化方法,设计并实现了一个基于GPU的并行锐化算法:第一层采用并行线性插值法,反复对图像非边界部分进行计算以及边缘区域锐化处理;第二层采用改进的梯度法对图像进一步优化。放大后的图像经该方法处理后,基本上可消除图像边缘区域的锯齿,使图像画质平滑、自然、清晰。经实验验证,设计的基于GPU的并行锐化算法在效率和画质上都优于目前流行的算法,提出的方法可应用于现有图像及照片放大后处理。
- 张巍贺星霍颖翔滕少华滕毅李日贵
- 关键词：图像放大图像锐化梯度优化
- 自适应多趟聚类在检测无线传感器网络安全中的应用被引量：1
- 2015年
- 在KSummary算法的基础上,引入层次和密度聚类方法,提出自适应多趟聚类方法。依次获得聚类个数k,聚类初始中心和最终聚类。将算法应用于无线传感器网络数据中,可以很好地发现数据中的离群点,从而找到传感器节点安全上存在的隐患。实验结果和分析表明:此算法不但可获得稳定、收敛的聚类结果,还能很好地发现离群点。
- 滕少华洪源李日贵张巍刘冬宁
- 关键词：聚类传感器离群点
- 可调多趟聚类挖掘在电信数据分析中的应用被引量：5
- 2014年
- 电信业务每天都产生大量数据,如何从这些数据中提取有用的信息是当今数据挖掘的难题之一.针对实际应用中存在聚类簇数难以确定、单趟聚类算法有时不能收敛到用户指定的簇数等问题,提出了可调多趟聚类挖掘方法.第1趟通过引入一个较大的K值,采用K-means聚类算法,获得K个簇,为第2趟聚类的簇数及簇中心初始值选择提供参考.经电信现网业务数据实验,本文的方法既改善了原聚类方法的局部收敛性,又能较好地适应用户的不同数据分析需求,该方法可用于不确定簇数的大数据分析中.
- 滕少华吴昊李日贵张巍刘冬宁梁路
- 关键词：电信数据K-MEANS聚类客户细分
