Earticle

현재 위치 Home

A New Kmeans Clustering Algorithm for Point Cloud

첫 페이지 보기
  • 발행기관
    보안공학연구지원센터(IJHIT) 바로가기
  • 간행물
    International Journal of Hybrid Information Technology 바로가기
  • 통권
    Vol.8 No.9 (2015.09)바로가기
  • 페이지
    pp.157-170
  • 저자
    Kun Zhang, Weihong Bi, Xiaoming Zhang, Xinghu Fu, Li Zhu, Kunpeng Zhou
  • 언어
    영어(ENG)
  • URL
    https://www.earticle.net/Article/A254655

※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.

원문정보

초록

영어
With development of 3D scanner, it becomes more convenient to access point data. However, for processing the large-scale point cloud, it raised a new challenge for computer graphics. This paper places an emphasis on the point data own characteristics, and then the point data have been divided into certain point sets by clustering algorithm, that is will be divided into different clusters. In order to suit for the point data organization or space division, the clustering algorithm would be improved. This paper provided a new Kmeans algorithm with density constraints. Before processing the point cloud by Kmeans algorithm with density constraints, the density of the point cloud have been defined in this paper, the density of the point cloud can be used for quantification of the convergence. Finally, the Kmeans algorithm with density constraints is verified by the experiment results. Our experiment showed that the improved Kmeans can reduce the processing time, especially, As the increase of the value of K, that is number of cluster, the calculating time of the clustering algorithm can be decreased greatly. In addition, with the increases of the the scale of data size, the stability of the improved Kmeans algorithm has been verified.

목차

Abstract
 1. Introduction
 2. Related Work
 3. Kmeans Clustering Algorithm with Density Constraint
  3.1 The Center Shifting In The Cluster
  3.2. The End Condition of Kmeans with Density Constraint
 4. Data Organization by Set of Cluster
  4.1. The Relation of Cluster
  4.2. Algorithm of Cluster Tree
 5. Experiment
  5.1. Experiment Setup
  5.2. Experiment Results
 6. Conclusions and Acknowledgments
 Acknowledgements
 Reference

키워드

Clustering Algorithm Kmeans Point Cloud Contour Estimation

저자

  • Kun Zhang [ College of Information Science & Engineering, Yanshan University, Hebei University of Science & Technology ]
  • Weihong Bi [ College of Information Science & Engineering, Yanshan University ]
  • Xiaoming Zhang [ Hebei University of Science & Technology ]
  • Xinghu Fu [ College of Information Science & Engineering, Yanshan University ]
  • Li Zhu [ College of Information Science & Engineering, Yanshan University ]
  • Kunpeng Zhou [ College of Information Science & Engineering, Yanshan University ]

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    보안공학연구지원센터(IJHIT) [Science & Engineering Research Support Center, Republic of Korea(IJHIT)]
  • 설립연도
    2006
  • 분야
    공학>컴퓨터학
  • 소개
    1. 보안공학에 대한 각종 조사 및 연구 2. 보안공학에 대한 응용기술 연구 및 발표 3. 보안공학에 관한 각종 학술 발표회 및 전시회 개최 4. 보안공학 기술의 상호 협조 및 정보교환 5. 보안공학에 관한 표준화 사업 및 규격의 제정 6. 보안공학에 관한 산학연 협동의 증진 7. 국제적 학술 교류 및 기술 협력 8. 보안공학에 관한 논문지 발간 9. 기타 본 회 목적 달성에 필요한 사업

간행물

  • 간행물명
    International Journal of Hybrid Information Technology
  • 간기
    격월간
  • pISSN
    1738-9968
  • 수록기간
    2008~2016
  • 십진분류
    KDC 505 DDC 605

이 권호 내 다른 논문 / International Journal of Hybrid Information Technology Vol.8 No.9

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.