Perfer May 2 2012 at 12:09

Плотностный алгоритм кластеризации пространственных данных с присутствием шума — DBSCAN

3 min

16K

Algorithms*Image processing*

From sandbox

+17

Comments 9

doxtarzlo May 2 2012 at 14:29

Вы не в курсе, применим ли такой подход в задаче обнаружения и фильтрации шума в аудио сигналах? И если да, то на сколько такой алгоритм эффективен?

Perfer May 2 2012 at 15:04

DBSCAN — слабо применим для фильтрации аудио сигнала т.к. дисперсия шума будет не большой и его (шум) локализовать будет достаточно трудно (проблема выбора параметров L_min и kol) — но попробовать можно. Экспериментируйте!

Marchevsky May 2 2012 at 16:29

Название ввело меня в ступор.

AndreyIvanoff May 2 2012 at 20:04

Интересно посмотреть что будет в случае замкнутого контура? Можно использовать для фильтрации в задачах аппроксимации кривых.

Perfer May 2 2012 at 22:08

На рисунке 64 группы, на всех стандартных цветов MATLAB не хватило. L_min = 4, kol = 2.

Исходное изображения отсюда: habrahabr.ru/post/114335/

AndreyIvanoff May 2 2012 at 22:16

Удивительно хорошие результаты, спасибо за статью.

Eddy_Em May 3 2012 at 01:42

Неплохо, но вот это:

L = zeros(n,n)

всего лишь для миллиона точек сделает задачу невыполнимой без десятка-другого гигабайт оперативки…

AndreyIvanoff May 3 2012 at 10:57

Это же MatLab-прототип, бинарные изображения можно специальными форматами хранить (к примеру как разреженную матрицу) и задача становится выполнимой.

Perfer May 3 2012 at 11:30

Можно поступить еще проще. Выделять под область с номера точек находящихся на расстоянии L_min от текущей не целую матрицу n x n а матрицу n x round(L_min^2*pi) — получается поменьше!

Show the best of all time