一种改进的离群点检测方法

现有的离群点检测算法运用于规模较大的数据集时,其时间效率和检测效果通常不够理想.通过对离群点分布特征的分析,在计算每个数据点到其kth最近邻对象距离的同时,结合其k最近邻的分布情况,给出一种改进的离群点度量方法.基于上述思想构造的离群点检测算法DokOF能够处理混合属性数据.实验表明,该算法具有良好的适用性和有效性.     

基于高斯核函数的局部离群点检测算法

随着信息技术的快速发展,数据资源的结构越来越复杂,离群点挖掘受到越来越多人关注.基于高斯核函数,考虑数据对象的k个最近邻居,反向k近邻居和共享最近邻居三种邻居关系,估计数据对象的密度,提出了一种基于高斯核函数的局部离群点检测算法.该算法通过KNN图存储每个数据对象的最近邻,包括k最近邻,反向k近邻和共享最近邻,构成数据对象的邻居集合S;通过核密度估计KDE方法估计数据对象的密度;通过相对密度离群因子RDOF来估计数据对象偏离邻域的程度,进而判定数据对象是否为离群点,并在真实和合成的数据集上证明了该算法的有效性.     

基于CUDA的高速并行高斯滤波算法

为加快表面三维形貌分析中高斯滤波算法的执行速度,提出了一种基于计算统一设备构架(CUDA)的高斯滤波算法来实现高速并行处理.分析高斯滤波算法原理和CUDA并行计算体系,将CUDA并行计算技术引入到表面分析领域.针对高斯滤波数据间依赖性弱和CUDA采用单指令多线程(SIMT)执行模型的特点,总结出适合于CUDA的并行高斯滤波算法流程.实验证明:该方法与CPU串行处理方法相比,其加速比达到40倍以上,可以有效提高数据处理能力.     

一种改进的基于角点检测的并行化电子稳像算法

针对摄像设备拍摄视频抖动问题和实时处理要求,本文提出一种改进的基于角点检测的并行化电子稳像算法.该算法采用并行计算和软硬件协同计算的方法,对基于Harris角点检测及Hu几何不变矩的电子稳像算法进行了改进,算法通过网格划分和区域极限值的并行计算,减少了角点检测的计算量,采用并行化改进的RANSAC计算提升了剔除误匹配的处理效率,并基于图形处理器(Graphic Processing Unit,GPU)和FPGA完成了电子稳像算法的优化设计实现.实验结果表明,本文算法在保证良好稳像质量的同时,对720p视频进行单帧稳像的时间仅为25.48ms,能够完成帧率为30帧/s的分辨率为1 280×720的视频实时稳像.     

并行环境下基于图着色理论的空间数据部署

在面向计算部署到数据节点端执行的分布式并行环境下,提出一种基于图着色理论的适用于矢量空间数据的部署方法,将空间数据粒度的部署问题转化为图顶点着色的过程,提高了任意空间区域的信息查询效率.给出基于图着色理论的数据部署方法,并通过节点的任务量进一步改进算法,使得该算法可实现海量空间数据粒度的离散化部署,提高了空间数据检索和查询的并行化程度,充分利用了并行计算资源.     

基于形状上下文特征和ICP的高精度轮廓视觉检测算法

为了解决任意形状工件轮廓尺寸的高精度检测问题,提出了一种基于形状上下文特征和迭代最近点的轮廓视觉检测算法.首先,在图像中采用基于局部面积的边缘提取算法提取工件的亚像素边缘,并过滤掉噪声和补齐轮廓;然后,基于从粗到精的匹配策略,先使用形状上下文特征进行粗匹配,再使用迭代最近点算法进行精匹配;最后,提出邻域法来计算出轮廓偏差.标定板实验和工件实验结果表明,该算法的检测精度达到0.5个像素,可以满足实际应用的需要;同时,该算法应用在工业检测上可大大提升误差检测的应用范围和工业生产效率.     

无粗定位亚像素边缘检测算法研究

针对传统的亚像素边缘检测技术需要先进行粗定位,然后再进行精确定位的问题,提出无粗定位亚像素边缘检测算法.针对彩色图像降低维度边缘信息损失的问题,提出主轴分析法来保存图像的边缘信息.针对滤波后图像边缘特征模糊的问题,提出基于二分K均值的中值滤波算法,在滤除噪声的同时,增强图像的边缘.最后从检测精度、检测效率和可靠性3个方面验证算法的有效性.     

基于自适应Canny的红外图像边缘检测算法

针对Canny算法需要人工设定高斯方差值和双阈值,红外图像存在噪声大、边缘模糊等缺点,提出一种基于自适应Canny的红外图像边缘检测算法.该算法采用自适应中值滤波代替高斯滤波计算梯度的幅值和方向,对梯度的幅值在3×3邻域内进行非极大值抑制,并根据图像灰度使用Otsu算法,自适应获取高低阈值,用高低阈值算法检测和连接边缘.实验结果表明,该算法减小了均方误差,提高了峰值信噪比和平均结构相似度,能有效提取红外图像边缘.     

无索引空间数据库的基于最优点的集合最近邻查找算法

针对度量空间中的无索引空间数据库,提出一种基于最优点的集合最近邻查找算法及其改进算法.采用真实数据集与人工生成的数据集对算法进行测试,评估所提出算法的效率.实验结果表明,所提算法的效率优于组最近邻居查询算法,并且对于高维数据空间,所提出的算法有较高的稳定性.由于查询区域中数据点的数量比较少,改进的基于最优点的集合最近邻...     

基于多核并行计算技术的混合交通微观仿真

为提高混合交通微观仿真的运行速度,将多核并行计算技术应用于混合交通微观仿真中.提出混合交通微观仿真的并行化方法,包括基于对串行混合交通微观仿真中各个模块CPU运算时间的百分比分析,确定基于数据并行的任务分解方法,及结合多内核CPU架构特点确定Fork/Join的并行模式.提出基于多核技术的混合交通微观仿真的关键并行算法,包括初始路网分割算法、车辆穿越边界算法及动态负载平衡算法.通过仿真实验验证多核并行计算技术能够提高混合交通微观仿真的运行效率.     

改进模糊逻辑的边缘检测算法

针对PalKing模糊边缘检测算法中参数难以选定,低灰度图像信息缺失,公式复杂,反复迭代耗时且效果不确定等缺点,提出基于模糊理论的边缘检测改进算法.首先通过衡量像素邻域内的相关性进行模糊化;然后用Sugeno模糊模型进行模糊推理,增强边缘点,弱化区域点;最后用简单的解模糊过程.改进算法使模糊化和解模糊过程中的运算更简单,省去PalKing算法中的多次迭代和各种参数和阈值的设定.结果表明,该算法可以提高PalKing算法的效率,使检测效果进一步增强,具有更好的通用性.     

ECC点乘运算在网络并行实现中的装箱问题

基于网络并行计算,提出椭圆曲线公钥密码体制点乘运算在网络并行环境中实现的算法,详细分析了并行环境中的装箱问题,建立了并行子任务分派的数学模型,并对模型的采用贪心策略的FirstFit算法就行求解,解决了网络并行计算环境下的ECC点乘并行算法实现的任务分配问题.     

融合数学形态学滤波技术的边缘检测算法

传统的Canny边缘检测算法采用高斯滤波会导致图像过度光滑,在梯度幅值计算时仅考虑x方向和y方向会丢失掉重要的边缘信息.此外,采用双阈值法检测和连接边缘时易导致低强度边缘点和噪声点的混淆.针对传统Canny算法的不足,提出了融合数学形态学滤波技术改进的Canny边缘检测算法.融合数学形态学滤波技术对图像做滤波处理,在3×3窗口中心像素的4个方向确定像素点的梯度幅值,最后根据梯度方向的信息检测和连接边缘点.实验结果表明,该算法在对噪声有较高抑制能力的同时,边缘检测的准确性和完整性得到了有效提高.     

鲁棒KAZE算法的SAR图像配准

针对传统的SIFT算法及其改进算法在多波段SAR图像匹配性能低下,对非线性扩散滤波的KAZE特征检测算法分别从构建尺度空间和特征点检测两个方面进行改进,来提高多波段SAR图像匹配性能。尺度空间构建方面:提出采用高斯引导滤波取代KAZE算法中的非线性扩散滤波,充分利用高斯引导滤波的算法实时性、尺度不变性和良好的边缘保持性来克服非线性扩散滤波构建尺度空间的算法耗时较高的问题。特征点检测方面:提出采用引入指数加权均值比例算子(ROEWA)结合多尺度Harris角点检测的改进方法,充分利用ROEWA算子抑制相干斑噪声和多尺度Harris算子计算简单、旋转、尺度不变等优点,克服了传统的梯度差分方法检测SAR图像特征点时在SAR图像强散射纹理区造成大量错误率。描述符构建阶段,在梯度比例图像上采用原始的KAZE算法相同原理构建MSURF描述符。最后通过最近邻匹配和一致性倒数(RANSAC)进行错误匹配剔除。实验结果表明本文提出的改进KAZE算法应用于SAR图像配准优于原始KAZE特征算法。     

一种提升Canny算子的自适应边缘检测方法

基于Canny算子的图像边缘检测方法,提出了一种改进的Canny边缘检测算法.首先提出一种自适应滤波器对图像进行滤波,其次结合迭代阈值法自适应产生高低阈值,避免了人为阈值的设定,提高了算法处理速度.此方法在保持了原有Canny算子边缘检测的定位准确,单边响应和信噪比高等优点的基础上,减少了假边缘点的产生,提高了边缘检测定位精度,保证了边缘检测的可靠性和完整性.最后通过实验仿真证明了该方法的有效性.     

一种针对椒盐噪声的新型迭代自适应滤波器

为了消除图像中不同浓度椒盐噪声,提出了1种能快速有效滤除椒盐噪声的新型迭代自适应滤波算法.首先,将极值点(0或者255)认定为可疑噪声.其次,通过极值点在邻域内8个方向上的差异与1个阈值比较,确定最后的噪声集,并极小化误检率和保护图像边缘细节.最后,用提出的迭代自适应滤波算法滤除噪声点.仿真结果表明,在各种噪声密度下,算法都能快速有效滤除椒盐噪声.即使在噪声密度达到90%的情况下,该算法的峰值信噪比PSNR也能达到26.43 d B,且边缘细节能得到很好的保护.     

QENNI:一种缺失值填充的新方法

针对k最近邻填充算法(kNNI)在缺失数据的k个最近邻的选择上可能存在偏好,提出一种新的缺失填充算法:象限近邻填充算法QENNI(quadrant-encapsidated-nearest-neighbor-based imputation),它仅仅使用缺失数据象限方向的最近邻数据填充该缺失值,避免了kNNI中选取的k个最近邻点有偏好这一情况。另外,此算法对于低维数据集可以是无参的,即消除了对参数的依赖。实验结果表明,QENNI算法的填充准确性要优于kNNI算法。     

基于单程序多数据流并行软件的性能预测法

为了提高预测并行软件性能的准确性和并行软件的开发效率,提出了一种基于单程序多数据流(SPMD)并行应用软件模块化技术的性能分析预测和并行软件辅助开发方法.通过量化计算开销、通信开销、通信与计算的耦合系数,阐述了在并行计算机系统中利用该方法开发并行计算软件和预测并行计算软件性能的过程.并就影响并行软件性能预测和开发效率的模块设计、模块性能数据建模、模块组合和计算与通信重叠等技术进行了研究.实验表明,该方法提高了预测并行计算软件性能的准确性,也提高了并行计算软件的性能和开发效率.     

基于云平台的案例检索技术研究

针对大数据处理需求提出基于云平台的案例检索算法.利用MapReduce技术改进了案例检索算法中常用的最近邻法,使其能够在多个服务器节点上并行执行,从而提高在海量数据情形下的案例检索速度.实验表明:基于云平台的案例检索速度高于单节点检索,集群节点的数量对案例检索有一定的影响.