基于灰度统计值的遥感影像快速中值滤波算法

提出一种新的遥感影像快速中值滤波算法,并对不同的中值滤波算法进行比较分析。普通快速中值滤波算法利用相邻窗口的相关性,减少排序次数。本算法抛开排序,通过构造长度与滤波窗口大小相同的一维数组,利用各灰度级的统计值,由中值特性获取窗口中值,从而大大提高算法的效率。对于n＊n的滤波窗口,本算法可将算法复杂度由O（n4）降至O（n2）,进一步利用相邻窗口的相关性,可将复杂度降低至O（n）。     

移动窗口域的VDO爆震燃烧识别扩展算法

Siemens VDO爆震识别算法广泛应用于汽油机爆震燃烧诊断,但对于发生在缸压峰值前的爆震循环,其在缸压下降沿确定爆震计算窗口的思想在一定程度上影响了爆震识别及评价的准确性。在VDO算法基础上提出了一种基于移动窗口域爆震识别算法,引入爆震窗口和参考窗口高频累积能量最大差值,利用在指定K区域内移动的参考窗口和爆震窗口,准确识别出爆震计算始点,使爆震窗口包含更多爆震能量,并用此时的爆震窗口和参考窗口累积能量之比作为爆震因子。结果表明:移动窗口域算法的爆震计算始点比VDO算法爆震计算始点提前,呈现更多的爆震能量信息,能弥补对发生在缸压峰值前的爆震事件的漏判。     

基于柯西分布的水文序列异常值检测方法

针对基于正态分布的检测算法在窗口中出现偏差较大的极端异常值时,检测模型出现不稳定的现象,提出一种基于柯西分布的异常检测算法。通过试验发现,用滑动窗口内的中位数以及中位数绝对偏差来代替均值以及标准差,可以较好地消除滑动窗口内极端异常值对检测算法的影响。探讨了算法中滑动窗口以及置信度的设置,并通过实例对算法进行验证。结果表明,所提算法的检出率在窗口以及置信度设置恰当的情况下保持较高水平。与其他算法对比表明,所提算法对于处理局部波动剧烈的流量时间序列展现出较好的适用性以及鲁棒性。     

基于OpenGL的三维窗口裁剪、拾取算法研究

提出了一种基于OpenGL的三维窗口裁剪、拾取算法.由于窗口间有父子、兄弟的关系,窗口以特定原则显示;将三维窗口组织成树型结构,分配每个窗口的像素值,按照算法填充到模板缓存,设置窗口显示部分在模板缓存的像素值;根据OpenGL的模板缓存技术实现三维窗口的覆盖和裁剪;根据空间投影原理解决了三维窗口中的鼠标拾取问题.在Linux系统中实现本文的算法,和XWindows中标准的二维窗口裁剪和拾取算法相比,在软件加速条件下显示速度较慢,在硬件加速条件下达到了较理想的性能.     

对Cohen-Sutherland裁剪算法的分析与改进

在矩形窗口的二维裁减中,Cohen-Sutherland线段裁剪算法既不能有效地判断出线段是否完全在窗口外又可能求解出无效交点,因此本文提出一种基于Cohen-Sutherland线段裁剪算法的改进算法,给定一个线段,由计算剪裁窗口顶点到线段的有向距离符号来判断线段与窗口相对位置关系,避免求取无效交点的操作。改进算法可以迅速判断哪些线段与裁剪窗口有真正的交点,再通过距离大小的比较,确定直线与窗口的哪条边相交,最终将被裁剪线段快速、准确输出。实验表明,改进的Cohen-Sutherland算法比原算法有更高的执行效率。     

基于移动窗口的DEM河网提取

从DEM中提取河流网络,目前应用最普遍的是径向水流算法,但当DEM中存在平地时,径向水流算法会形成平行水流,而存在洼地时,径向水流算法又会造成水流无法流出,形成断流。本文提出基于移动窗口的算法,它需要用户创建一个初始的窗口,窗口边界位于河流的部分称为"河流段"。算法检测窗口边界与河岸的交点,如果没有交点,则扩大窗口,如果有交点,则检查河流段的数量,当只有一个河流段时,调整窗口的位置;有多个河流段时,将窗口逐个移动到这些河流段的中心点上并且继续检测交点。反复调整和移动窗口,直到它无法再移动,然后连接窗口的中心点就可以得到完整的河流中心线。此算法有效地利用了数据的局部特征,通过简单的阈值设置就可以获得良好的提取效果。     

基于嵌套窗口的高光谱图像目标检测

针对经典RX检测算法所存在的窗口分析方式的不足,提出一种基于嵌套窗口分析的高光谱图像小目标检测算法,并将这种嵌套方式应用到线性RX、非线性核特征向量空间分解（KEST）算法之中,对不同窗口方式的检测算法以及非线性判别分析检测算法进行了详尽的对比分析．实验表明,在3层嵌套窗口下的文中算法能够获得更好的目标检测效果．     

免解二次方程的圆形窗口裁剪算法

在相关文献提出的基于矩形窗口裁剪的圆形窗口裁剪算法的基础上，通过判断圆形窗口与待裁线段的位置关系，提出一个免解二次方程的圆形窗口裁剪算法，该算法省去矩形裁剪步骤，同时也避免了解二次方程，大大减少算法的计算量。     

网络拥塞控制中基于最佳窗口的RED算法

:Floyd提出的随机提前检测(RandomEarlyDetection,RED)算法是拥塞控制领域中一种有效的分组丢弃机制,在模拟实验和实际监测中都取得了良好的效果.但它使用了具有抖动问题的4.3BSDTCP的窗口调整算法.另一方面,Mitra通过渐近线结果所得出的最佳窗口设计方程可以改善窗口抖动问题,但其通过平均往返时间调整窗口大小,与一般TCP窗口调整算法不同.文中以Mitra的渐近线结果为基础,推导基于排队长度的最佳窗口设计算法,并在此基础上提出了基于最佳窗口的设计RED算法.模拟结果表明,基于最佳窗口设计的RED算法可结合RED与最佳窗口设计机制的优点,其平均排队长度和排队长度抖动性能均优于Floyd的RED算法,可有效地进行网络拥塞控制     

基于时间窗口权值的数据流分类算法

针对不同时间段的数据流对当前数据流分类影响程度不同,在滑动窗口技术基础上提出了时间窗口权值的频繁模式(TWWFP)分类算法.首先,对滑动窗口中的每个基本窗口赋予一个与时间有关的窗口权值;然后,采用TWWFP-Tree结构存储当前滑动窗口中每个基本窗口中的频繁数据属性,实时更新TWWFP-Tree结构;最后,检测相邻3个滑动窗口中权值属性的平均分类误差,发现突变后及时减少下一个滑动窗口的长度可适应数据流的变化.实验证明该分类算法比没有时间窗口权值分类算法的精确度最大提高3%.     

采用自适应背景窗的舰船目标检测算法

针对合成孔径雷达(SAR)图像应用中,传统滑动窗口检测算法无法对近距、近岸或不同大小目标实现精确检测的问题,提出了一种自适应窗口的舰船目标检测算法。该算法首先利用阈值滤波实现海面的分离,然后通过对分离后待检目标的像素体积统计,剔除大体积陆地目标,得到待检目标,并根据其像素分布设置自适应窗口,通过对自适应窗口内目标像素和背景像素的分离统计,最终拟合得到待检目标附近背景的K-分布概率模型进行恒虚警检测。相对于传统滑动窗口检测算法,自适应窗口检测算法可实现对目标背景像素的精确统计及K-分布拟合,以及对舰船类目标的精确检测。实验结果证明,在相同的虚警概率条件下,对复杂海面情况的SAR图像进行舰船检测,自适应窗口检测算法比传统局部窗K-分布的恒虚警检测结果的品质因子高0.34。     

一种有效的自适应中值滤波算法

针对标准中值滤波算法的不足,提出改进的自适应中值滤波算法。该算法利用极值的方法统计图像噪声点,然后计算以噪声点为中心像素的予窗口的方差,对噪声点采取多窗口、多尺度的滤波。最后自适应选择方差最小的予窗口滤波。经过计算机模拟实验,采用该算法滤波,既能有效地平滑噪声,又能保存细节,效果远优于标准中值滤波算法。     

中心加权次序统计滤波器的快速算法

利用非均衡数据结构,在充分考虑滤波窗口的条件下,提出了一种中心加权次序统计滤波器的快速算法(非均衡数据结构算法)。该算法将滤波窗内的采样值分割成大于和小于第γ个采样值的两个部分。算法设计为适应于任意窗口尺寸和任意中心加权值,即可以是任意大小的奇数或偶数窗口。     

小窗口蚁群算法解决旅行商问题的应用与分析

本文先介绍基本蚁群算法模型,并应用此法对TSP(旅行商问题)进行了求解。然后运用小窗口蚁群算法解决TSP问题,通过与基本蚁群算法的比较,认为小窗口蚁群算法无论是在解的优化上还是运行时间上都优基本蚁群算法。     

滑动窗口内动态数据流聚类算法研究

滑动窗口是数据流中一种关注近期数据的近似方法,提出一种采用滑动窗口处理数据的优化算法SWStream。在线阶段利用滑动窗口树存储概要结构,动态调整窗口大小。优化后的算法能及时淘汰过期元组,同时对新到达的元组不断进行实时处理,可以获得更准确的分析结果。而在离线阶段对上一阶段的结果进行宏聚类,得到最后的结果。与聚类算法CluStream相比,此算法处理数据的效率更高,也相对节约内存。     

基于区域增长的自适应窗口立体匹配算法

针对基于区域的立体匹配算法支持窗口难以选择的问题, 提出一种新的自适应窗口区域立体匹配算法. 该区域增长的方法可以动态地获得形状和大小均具有自适应特性的支持窗口, 并通过区域视差范围估计、核心窗口视差近似、动态搜索步距调整等方法使算法得到改进. 研究结果表明: 该算法对于视差不连续和遮挡区域都有着良好的适应性;采用该算法获得的视差图像的准确度高达95%, 且计算时间缩短到5 s以内.     

基于滑动窗口的动态数据流聚类算法研究

数据流聚类算法是当前数据流研究领域里的重要分支,而滑动窗口是数据流中一种关注近期数据的近似方法,提出一种采用滑动窗口处理数据的优化算法SWStream.算法采用双层架构思想,在线阶段利用滑动窗口树存储概要结构,动态调整窗口大小.而在离线阶段对上一阶段的结果进行宏聚类,得到最后的结果.实验验证本算法有更高的处理效率,也相对节约内存.     

基于增量自适应的邻近排序算法优化

数据库中相似重复记录的清洗是提高数据质量的有效措施,传统的邻近排序算法SNM的滑动窗口难以确定,而且要对窗口内的所有记录进行比对,效率不高。针对SNM算法的这一缺陷,提出了窗口大小动态变化的增量自适应的SNM算法,窗口的大小由当前出口的大小、窗口内第一条和最后一条记录的距离以及记录最短记录阈值确定,这样可以去掉很多无用的比较操作,提升数据清洗效率。     

自适应多窗口梯度幅值边缘检测算法

针对梯度幅值边缘检测算法无法检测连续边缘的问题,提出一种自适应多窗口梯度幅值边缘检测算法.首先使用传统梯度幅值边缘检测算法检测出初始边缘;然后在初始边缘上检测端点,使用K-均值聚类算法对端点进行分类,从而确定背景和目标灰度值接近的区域作为窗口;最后在窗口内使用梯度幅值检测边缘,通过多个窗口的并集得到最终的边缘.实验证明采用所提出的算法可以得到比较完整的边缘图,定位误差比传统的边缘检测算法小.     

基于概念格的数据流频繁项集挖掘

提出一个数据流环境下的基于概念格和滑动窗口的频繁项集挖掘算法DSFMCL。算法在滑动窗口内分批挖掘新流入的基本窗口频繁概念后,生成概念格的Hasse图。引入最小支持度ζ和误差因子ε对非频繁概念节点进行剪枝操作。Hasse图中各节点包含频繁项集及其支持度信息。随着新基本窗口的Hasse图的生成与滑动窗口进行概念格纵向合并,最终通过对全部Hasse图节点的扫描可以输出所有频繁项集。实验结果表明,该算法具有良好的性能。