考虑数据点之间局部统计性质的差异，结合<i>K</i>平均算法提出一种基于统计流形的聚类算法.通过计算数据点邻域的均值和协方差，将原始数据点云映射到正态分布族流形中，成为参数点云.在正态分布族流形上构造不同的度量结构，分别应用<i>K</i>平均方法，对参数点云进行聚类，从而将对应的原始数据分类.此算法可以应用到点云去噪.采用基于不同差异函数的算法，对含高密度噪声的点云去噪，并给出模拟仿真结果.仿真结果表明，采用KL散度作为差异函数的算法有较好的去噪效果，体现出该算法在去噪应用中的潜力.
PDF全文下载地址：http://journal.bit.edu.cn/zr/article/exportPdf?id=20210215