基于数学形态学的聚类分析

数学形态学广泛应用于图像识别之中.经典的聚类方法在聚类形状复杂时难于获得满意的结果.本文提出一种新的基于数学形态运算的聚类方法,通过合理选择离散化参数和结构元素,这种基于分级数学形态操作序列的聚类方法能较好地将各个簇分离开来.实验证明此方法比传统方法效果更好,并且能有效确定聚类数.     

快速发现任意形状的聚类

提出FFCAS（Fast Finding the Clusters of Arbitrary Shape)聚类算法，用于快速发现任意形状的聚类，先将每个对象分配到很小的ε－邻域，即原子聚类，然后找出高浓度的核心原子聚类，再消除所有的冗余原子聚类，仅用边界来表示聚类，大大减小了存储空间。因为ε是一个很小的值，原子聚类能自然地描述聚类。该算法最坏时间复杂度为O（n log n)(n为数据库中的对象个数），只需访问一次数据库，实验表明，FFCAS运行时间与数据库中的对象数目成线性关系，能发现任意形状的聚类，对异类的敏感性低，对大型、高维数据库也有效。     

我国食品安全检测技术研究与现状分析

<正>1.前言食品安全问题已经成为社会各界广泛关注的热点,我国政府高度关注食品安全问题,制定专门的行业规范和法律法规,并大力推广相关的食品安全检测技术,有效保障了食品安全,但是食品安全问题仍然频繁出现,所以需要对食品安全检测技术进行更深一步的研究,确保食品安全能够得到全方位的保障,为人们的生命安全和健康生活保驾护航。