基于粒子群算法的图像相关反馈研究

在浩如烟海的图像库中按用户的需求去搜索图像,传统的做法是基于图像的视觉低层特征进行检索。但是由于视觉低层特征与高层语义之间存在语义鸿沟,因此检索结果往往不尽如人意。研究者发现,将相关反馈技术引入图像检索中则能提高系统的检索性能。提出将粒子群优化算法(Particle Swarm Optimization)[1]引入基于内容的图像检索之中,通过用户对检索结果进行评价,系统通过学习来动态修改各特征的权值,从而达到模拟人类的思维,提高图像检索系统的检索性能,并通过实验证明该算法的可行性和有效性。     

信息系统动态复杂性分析及运维策略设计

为设计动态的信息系统运维服务策略,首先提出基于范围和波动两个维度建立信息系统应用过程的动态复杂性模型,然后引入基于信息熵的数据复杂性计算方法度量并分析信息系统的动态复杂性,并以此为依据设计相应的动态运维策略,最后通过三家样本企业进行了应用实证.结果表明:企业信息系统的动态复杂性能较为综合反映系统的应用特征和规律,基于分析结果制定的信息系统运维策略能够提高信息系统运维服务的效率.研究信息系统动态复杂性及其运维策略有助于指导企业推动IT与业务相融合的运维服务实践.     

结合粗集理论的动态属性约简研究

针对动态建立数据库的需要和粗集约简存在的问题 ,在粗集理论的基础上提出了一种动态约简算法 .在数据库变化时 ,该算法不象静态粗集约简方法需重新寻找属性约简 ,而是利用新增的对象对原有的约简关系进行修正 ,大大节省了计算量 ,提高了搜索效率 ;同时在算法中还引入了信息熵准则以克服粗集约简准则对数据噪声的敏感性和不能表达属性间概率因果关系的缺点 .通过一个病因诊断问题的实例表明 ,该算法利用较小的信息表就找到了与静态粗集约简一致的属性约简集 ,并按照因果关系的大小 (不确定性大小 )对结果集合作了排序 ,同时计算量分析表明该算法比静态粗集约简极大地节省了计算量 ,提高了搜索效率 .     

基于关联规则赋权特征选择集成的信用分类研究

针对信用分类数据集中常见的高维性特征,本文基于特征袋装法和关联规则挖掘算法,构建了新的赋权特征选择集成模型AR-WSAB.该模型能根据频繁项集的支持度和置信度,对各特征的重要度进行测度,进而选择出各特征子集,训练子分类器,再通过集成得到最终结果.通过在贷款违约预测数据集上进行实证分析,结果表明该模型分类正确率相对于Bagging集成模型和PCA算法都有显著优势,所提方法能够有效处理高维性特征,并且在各分类算法上都具有普适性.     

基于属性值变化的动态覆盖系统中近似集增量算法

在实际应用中,属性值的改变会导致覆盖信息系统中某一个覆盖发生变化,此时使用非增量的方法计算集合的上下近似集的时间开销较大。因此,针对属性值变化产生的动态覆盖信息系统,提出基于矩阵的增量方法计算集合的上下近似集。首先,给出增量的方法计算动态覆盖的两种特征矩阵。然后,基于给定的两种特征矩阵分别给出计算集合上下近似集的增量算法,通过实例说明了算法的计算过程。最后,通过仿真实验验证了本文所提算法的有效性。     

基于多小波分布熵的图像检索

为了提高小波直方图的检索性能,提出基于多小波信息分布熵的图像检索算法。对检索图像进行多小波分解,并用滤波器对各个子图进行非线性滤波,计算多小波各子带的能量熵;对各子图的小波能量矩阵进行0/1量化,然后以各子带相同方向子图计算多小波分布熵;针对特征向量进行高斯归一化,利用欧氏距离计算不同图像间的纹理相似度。基于内容的图像检索试验表明,该方法的检索精度比快速小波直方图方法提高了9.7%。     

集装箱码头动态集卡配置的并行仿真优化方法

分析了动态集卡配置对集装箱码头装卸作业的影响,构建了一个包括船舶、锚地、泊位,岸桥、堆场龙门起重机、内部集卡、外部集卡和大门系统等在内的集装箱码头整体作业系统的仿真模型.运用仿真模型与优化算法相结合的基于仿真的优化方法(SBO)对集装箱码头动态集卡配置问题进行了求解,并将基于MPI消息传递标准的并行集群计算方法引入该求解过程,很好的解决了基于仿真的优化方法中存在的计算代价过大的问题.     

基于可能模型集的期望模式增广算法

提出一类基于可能模型集(likely-model set, LMS)的期望模式增广(expected-mode augmentation, EMA)算法,该算法将任意时刻的有效模型集分成可能模型集和增广模型集两个部分。可能模型集由模型后验概率和总模型集的拓扑图确定;对可能模型集加权组合,生成增广模型集。然后,基于两模型集的并集对目标的状态进行估计。该算法能够保持期望模式增广算法的精度,同时大大降低计算量。仿真结果验证了本文算法的性能。     

基于重构误差和多块建模策略的kNN故障监测

针对基于k近邻(k-nearest neighbor,kNN)的故障监测算法中，引发故障的异常信息易被正常信息淹没，导致故障检测不及时和报警率低的问题，利用自编码器和多块建模策略提出一种基于重构误差的k NN故障监测方法。该方法利用正常工况数据集训练自编码器模型，基于该模型进行重构误差提取以解决异常信息易被淹没的问题。进一步考虑微小偏移和振荡等故障特征，采用多块建模策略，对各子块分别计算统计量并融合检测。通过一个数值例子与田纳西-伊斯曼(Tennessee-Eastman,TE)过程进行仿真与分析，结果验证了所提方法的有效性与监测性能的提升。     

基于TS模糊模型的热工过程建模方法

热工过程对象通常具有复杂的动态特性和非线性、强耦合、不确定性等特征,从而使得常规建模方法难以取得满意的效果,因此提出一种改进型TS模糊模型在线建模方法。此建模方法基于以下思想,首先提出基于中心粒群算法的截集模糊C-均值聚类算法并对TS模糊模型进行模型结构离线辨识,确定模型的结构和前件部分参数的初始值;然后应用解耦扩展卡尔曼滤波算法进行后件参数在线辨识,同时对前件辨识结果进行精确修正。最后,对煤气炉、500MW机组及气化炉等热工过程进行仿真计算表明本方法具有精度高、计算量小等优点。     

基于Radon变换的三维模型检索算法

三维模型特征提取过程中如何减少三维模型信息丢失及提高检索效率是基于函数变换三维模型检索技术中有待解决的关键问题.利用球面上经纬线的交点对三维模型表面采样,在采样点处定义含有模型表面法向量和面积信息的三维模型表示函数,将模型函数进行Radon变换,使用Radon变换后的函数值进行特征匹配,提高了检索性能.     

基于位平面熵及分布熵的图像检索

针对基于位平面熵进行图像检索存在的问题,提出了位平面熵的改进方法。该算法采用改进的位平面熵来消除熵的对称性对检索效果造成的影响。提出采用位平面分布熵来描述位平面的空间特征,解决了仅依靠位平面熵检索效率低的问题。结合位平面熵及位平面分布熵,给出了图像间的相似性度量准则。仿真实验证明,该算法无论在检索率、精确度还是平均正确率上都具有更好的检索效果。     

基于相关反馈学习的三维目标检索算法

针对三维目标(3D object)检索问题,提出了一种基于混合描述符及多支持向量机融合相关反馈学习的3D目标检索方法。在分析现行3D模型检索方法的基础上,提出了混合描述符H_D及相关反馈学习的总体思路。讨论了H_D框架构建,即在光场图像阵列自适应聚类基础上,分别实现H_D各个子描述符。讨论了基于多支持向量机的融合分类学习机制,并将其用于3D目标检索反馈学习环节,对H_D检索性能及相关反馈学习分类进行了实验分析,结果表明所提出的方法是有效的。     

基于子块的三维模型检索算法

针对三维模型检索性能较低的问题,提出一种基于子块的三维模型检索算法。首先,对经过预处理的模型进行骨架提取,并记录每个骨架点相应的几何和拓扑结构信息;然后,将骨架划分成多个子块,为每个子块定义一个权值因子;最后,通过比较子块的相似度来计算模型整体的相似度。实验表明,该算法可以得到较好的检索性能。     

面向查询点的遥感影像哈希检索方法

由于存储成本低,查询速度快,哈希检索算法已被广泛应用于大规模影像检索。针对大规模遥感影像数据集训练低效问题,提出了面向查询点进行特征学习的遥感影像检索方法。首先,利用深度卷积网络对具有多语义标签的遥感影像数据训练集提取遥感影像特征;然后,面向查询点学习得到哈希函数并生成查询点的二进制哈希码;最后,通过迭代学习得到整个数据库的二进制哈希码来实现影像检索,有利于提高检索精度;同时,该方法避免了对整个数据库进行特征提取,从而可以更有效地利用大规模数据库中的监督信息。在3个不同数据集上的实验结果表明,该方法检索性能优于其他多种先进方法。     

基于特征子空间的三维模型相关反馈检索方法

从三维模型中提取出的高维特征向量一般分布在原始空间的某个非线性低维子空间中,而测地距度量算法可以有效地甄别这种非线性分布.提出一种在相关反馈中,通过更新测地距离来捕捉三维模型特征点的分布特性的检索算法.为了解决相关反馈后期效果提升缓慢的缺陷,作者提出了模型潜力值理论来辅助使用了测地距核函数的支持向量机学习器改善相关反馈机制.     

基于本体语义分析的三维文物模型检索

随着互联网和计算机图形图像技术的迅猛发展,以三维模型为主要展现方式的多媒体资源数量呈现井喷式的增长,这不仅归因于三维模型具有更丰富的展现力,同时还弥补了图像和视频等多媒体资源在信息共享、存储、展示等多方面的不足。针对文物数字化保护领域中三维模型海量增长所带来的模型管理和检索等问题,提出了基于本体语义分析的三维文物模型快速检索方法。首先,对三维文物模型进行分类,构建针对文物领域的本体,建立模型的属性信息以及构建文物分类概念之间的关系;其次,根据本体之间的属性关系,建立该领域的相关推理规则,形成文物保护领域的语义网络;再次,利用本体语义信息以及本体之间的关联关系,生成本体信息之间的语义推理系统;最后,基于上述工作基础完成文物三维模型的快速、准确检索。实验结果表明,该方法在检索结果的查准率和查全率方面较传统检索方法达到了更好的效果。     

基于VMD和特征融合的辐射源信号识别

在日趋复杂的电子对抗中,如何提高雷达辐射源信号(radar emitter signal, RES)识别率和抗噪性能是亟待解决的问题。为此提出了一种变分模态分解(variational mode decomposition, VMD)和特征融合相结合的RES识别方法。首先利用VMD算法对各雷达信号进行分解得到3个本征模态函数(intrinsic mode function, IMF);然后,对这3个IMF分量提取排列熵(permutation entropy, PE)和样本熵(sample entropy, SE)特征进行特征融合，构成六维特征向量；最后利用支持向量机对辐射源信号进行识别。利用6种不同的辐射源信号对该方法进行了验证,仿真实验结果表明,该方法在低信噪比(signal to noise ratio, SNR)下能取得较好的识别率,当SNR不低于0 dB时,六维特征向量的识别率达到100%,具有较强的抗噪性能。     

基于熵的图像空间特征提取及检索方法

针对图像颜色的空间分布特征,提出了一种新的基于熵的表示方法。该算法采用空间分布熵来描述颜色的空间特征,具有旋转、平移、尺度等不变特性。结合人类的视觉特征及熵的特性,进一步提出利用加权空间分布熵来优化和改进颜色空间分布特征的提取算法。结合图像颜色直方图,给出了两种图像间的相似性度量方法。仿真实验证明,该算法在进行图像检索时具有更好的检索效果。     

基于多特征信息融合的海面微弱目标检测

为改善海杂波背景下雷达检测微弱目标的性能,提出一种基于多特征信息融合的目标检测方法。首先,在分析时域回波信号的基础上,给出脉冲幅值离差比的概念,并用其表征离散回波信号的尖锐度。其次,结合回波信号的频率峰均比和局部分形度两种特征量,构建多特征信息融合张量。然后,采用交叉验证法训练支持向量机(support vectors machine, SVM)分类器,并依据分类器进行目标检测。最后,通过对实测海杂波数据的一系列实验分析,优选了所提方案的参数。进一步与已有传统方法对比,结果显示所提方法具有更好的鲁棒性。