NLM改进论文，可供算法工程师参考，Walsh-Hadamard投影。382 宇航学报 第32卷 NL- means模型利用观测图像中其它像素点的窗口内,将算法的计算复杂度降为o(m2·n2t2) 加权和来表示当前点图像像素值的估计,即2-1 即便如此, NL-means去噪算法的计算量还是比较 X()=NL()=∑o(i,Y()(2)大,特别是比较窗口和搜索窗口的尺寸较大时,算法 权值o(i,j代表了像素点i和j的相关性, Buade速度较慢。 提出使用以像素点和j为中心的图像块的欧式距 由式

作为一种简单的聚类方法，传统的K-Means算法已被广泛讨论并应用于模式识别和机器学习。 但是，K-Means算法不能保证唯一的聚类结果，因为初始聚类中心是随机选择的。 本文基于基于邻域的粗糙集模型，定义了对象邻域的内聚度和对象邻域之间的耦合度。 此外，提出了一种新的初始化方法，并分析了相应的时间复杂度。 我们研究了这三个准则对聚类的影响，并用三种不同的初始化方法比较了K均值的聚类结果。 实验结果说明了该方法的有效性。