空间加权模糊C均值聚类图像分割算法

为了提高模糊C均值聚类(FCM)算法用于图像分割时对噪声的鲁棒性,在FCM算法中引入了图像像素的邻域约束,提出一种空间加权模糊C均值聚类图像分割算法。首先根据邻域像素的模糊隶属度函数值,定义像素分类标记的局部先验概率,然后将该局部先验概率融入标准的FCM算法的目标函数中,从而提出一种空间加权模糊C均值聚类图像分割算法。仿真实验通过合成图像和真实图像验证了该算法的有效性和鲁棒性。     

基于Relieft特征加权的C均值聚类算法的研究和改进

图像分割是图像处理到图像分析的最关键步骤.首先,研究C均值的聚类算法并阐述与其相关的概念,分析该聚类方法的基本原理和聚类准则.然后,针对该算法的优缺点以及存在的不足之处,对C均值聚类算法进行改进,将Relieft技术引进,由于图像分割时涉及众多特征,改进算法的核心就在于特征提取时进行加权处理,最终设计出有效的、鲁棒性好的彩色图像分割的流程.最后,通过大量的实验,将改进前后的C均值图像分割算法的分割结果进行比较,改进后的聚类算法能够实现更加优秀的图像分割结果;通过将实验对象置于不同的环境下的实验数据的统计,可以验证改进后分割算法的鲁棒性更好.     

一种新的密度加权粗糙K-均值聚类算法

为了克服粗糙K-均值聚类算法初始聚类中心点随机选取,以及样本密度函数定义所存在的缺陷,基于数据对象所在区域的样本点密集程度,定义了新的样本密度函数,选择相互距离最远的K个高密度样本点作为初始聚类中心,克服了现有粗糙K-均值聚类算法的初始中心随机选取的缺点,从而使得聚类结果更接近于全局最优解。同时在类均值计算中,对每个样本根据定义的密度赋以不同的权重,得到不受噪音点影响的更合理的质心。利用UCI机器学习数据库的6组数据集,以及随机生成的带有噪音点的人工模拟数据集进行测试,证明本文算法具有更好的聚类效果,而且对噪音数据有很强的抗干扰性能。     

一种新的模糊C均值聚类算法

传统的模糊C均值聚类算法及其变型在聚类过程中都假设所有的属性对聚类贡献相同,所以很难发现隐藏在部分属性中的类结构,也难以识别出重要属性.在实际应用中,噪声属性较为常见,并且会影响正常的聚类过程.鉴于以上原因,提出了一种新的基于属性加权的模糊C均值聚类算法,通过对人工数据和实际数据的聚类测试结果,证实了该算法的有效性.     

改进的基于模糊C-均值聚类的图像分割算法

目前的FCM类型的算法聚类数目的确定需要聚类原形参数的先验知识,否则算法就会产生误导.为了提高图像分割算法的抗噪性能,用K均值聚类算法简单、快速的优点对模糊C均值聚类算法进行改进.结合图像的邻域信息,对图像的直方图作均衡化处理,改善图像质量,通过自适应滤波,降低噪声对分割效果的影响.先用K均值聚类算法对图像进行分割,快速的获得较为准确的聚类中心和初次分割图像,避免了FCM算法中初始聚类中心选择不当造成的死点问题.用邻域灰度均值信息代替传统模糊C均值聚类算法中的灰度信息,对K均值聚类得到的图像作二次分割.该方法能更好的抑制噪声的干扰,提高了聚类算法的分割精确度.     

一种基于遗传算法的模糊C均值算法

模糊C-均值聚类(FCM)对初始值很敏感,易于陷入局部极小点而不能搜索到全局的聚类中心,遗传算法是一种通过模拟自然进化过程的搜索最优解的方法.因此,将FCM算法引入遗传算法的进化中,代替原来的交叉操作.实验结果表明,新方法明显优于传统 FCM算法.     

基于遗传算法的模糊c-均值聚类算法

基于误差平方和准则的模糊c-均值算法(FCM)是一种典型的动态聚类算法,其求解结果通常是局部最优解;当模糊集合之间的并、交、包含运算采用传统定义时,在模糊c-均值聚类结果中还会存在无意义的聚类集.研究表明采用遗传算法进行模糊c-均值聚类(Fuzzy c-means algorithm over genetic algorithm,GFCM)时,不仅能够消除无意义的聚类集,而且还在一定程度上避免模糊c-均值算法收敛到局部最优解,为此设计编码、选择、配对交叉、变异等步骤.测试数据实验表明采用GFCM算法的结果优于FCM算法.     

基于模糊c-均值算法和遗传算法的新聚类方法

为了得到最佳聚类数和相应的每一类中的样本,文中首先介绍了一种新聚类方法,用该方法构造了一个既考虑类与类之间的分散程度、又考虑同一类紧凑程度的目标评价函数;再运用模糊c-均值算法(FCM)进行迭代,求得每一类的中心和隶属度值;然后运用遗传算法搜索全局极值点;最后运用该算法对我国全要素生产力进行了模糊分类．     

基于改进K-均值聚类的图像分割算法研究

为了实现彩色图像的准确分割,研究了在HLS颜色空间中基于优化初始中心的加权K-均值彩色图像聚类算法.首先对大样本的目标颜色进行数理统计,获取优化的初始聚类中心,从而实现准确分类和避免K-均值容易陷入局部最优的问题;然后在HLS颜色空间中引入加权欧氏距离来度量对象间的相关性,通过调整系数使对象不同的颜色属性内在特征得以充分利用.实验证明,该算法在保持K-均值聚类简洁、收敛速度快的同时能产生更好的聚类效果,实现彩色图像的快速准确分割.     

基于隶属度改进的模糊K-均值算法

通过对模糊聚类K-均值算法进行分析,针对隶属度归一可能引起结果偏差,对隶属度进行了改进,并进行了实验比较,验证了改进的有效性.     

基于PKI的网络安全技术

阐述了基于公开密钥理论与技术的 PKI理论 ,介绍了 PKI系统运行机理、作用及其基本组成 ,并详细分析了公开密钥算法     

基于攻防混沌度边界预警机制的网络安全存储算法研究

考虑到当前网络安全存储算法普遍存在的防御策略集收敛性不足,抗攻击性能差的难题,提出了一种基于攻防混沌度边界预警机制的网络安全存储算法。根据网络供给侧进行混沌度边界建模(网络供给侧-需求侧边界预警模型),提高安全边界对攻击集合的匹配程度,增强防御资源的合理利用;随后,基于防御资源需要动态攻击集合的问题,引入马尔科夫边界攻击者集合收敛机制,实现对最高强度-次高强度攻击行为的两次预警,有效提升网络安全防御的纳什均衡解,进一步降低了防御成本,从而提高了网络的安全存储性能。仿真实验表明,相比于当前网络安全存储领域使用较广的峰值强度映射过滤算法(Peak Intensity Mapping Filtering Algorithm,PIMF算法)、超线性纳什维度均衡策略算法(Superlinear Nash-Dimension Equilibrium Strategy Algorithm,ND-SES算法),本文算法在资源受限条件下能够实现混沌度高级别预警,降低防御成本,改善了误比特率及丢包率性能,具有更高的抗攻击峰值带宽及二次冗余带宽性能。     

高阶隐写直觉模糊集距离安全性测度

在隐写安全性研究滞后于隐写算法发展的前提下,隐写安全性研究成为亟待解决的问题。根据隐写通信过程的模糊不确定性,对隐写数据采用n阶Markov链建模,提出了隐写系统直觉模糊集距离安全性测度,并证明了该安全性测度的有界性、交换性和一致性。仿真实验表明,该安全性测度具有对不同隐写算法的度量区分能力。与确定模式下安全性相比较,在相同数据统计模型下,直觉模糊集距离安全性测度获得了更全面的隐蔽性评价。     

基于人工免疫算法的旅游突发事件预警研究

对旅游突发事件预警进行了分析,给出了旅游突发事件的人工免疫模型,建立了基于人工免疫模型的旅游突发事件预警系统.应用预警系统对旅游突发事件进行了分类,得出了一种新的旅游突发事件分类方式,可以有效地对旅游突发事件进行预警.     

基于收敛启发机制的人工网络安全迁移算法研究

针对当前人工网络安全迁移算法研究中存在迁移时间长、误码率高且容易造成网络瘫痪等不足,提出了一种基于收敛启发机制的人工网络安全迁移算法。首先,利用社区网络进行网络迁移时具有的波动特性,通过带宽函数均值起伏率和网络存储冗余率两个指标进行迁移裁决,有效减缓了迁移过程中网络出现拥塞的概率,实现数据迁移并提高网络安全迁移过程中的鲁棒性。随后,针对当前算法迁移过程中难以进行误差评估的不足,通过启发映射机制设计了网络存储冗余带宽迁移方法,用以改善网络数据传输过程中的抖动,改善网络迁移时的效率,具有很强的迁移质量。仿真实验表明:与当前常用的超混沌云网络预估迁移机制(Predictive Migration Mechanism of Hyperchaotic Cloud Networks,PMM-HCN机制)、社区网络大数据峰值安全迁移机制(Peak Security Migration Mechanism of Large Data in Community Network,PSMM-LDCN机制)相比,本文算法具有网络迁移时间少、网络迁移数据误码率小、网络抖动时间短、网络瘫痪频率低等特性,具有很强的实际部署价值。     

基于混沌技术的网络教育资源库安全保护研究

根据混沌理论和混沌安全技术的特点,针对教学素材安全管理,提出了基于混沌的数字水印技术;针对资源安全访问系统,设计了基于混沌的OPT认证技术;并采用基于混沌的视频实时保密通信技术,应用于在线视频课堂教学系统.各项实验结果显示混沌技术在教育资源保护应用中具备适用性广、保密性高和灵活性强的特点.     

一种基于Agent技术的网络安全系统模型

提出了一种基于Agent的网络安全系统模型，该系统将防火墙和入侵检测系统进行集成，采用分布式结构，并分别利用Agent和Mobile Agent技术来设计和实现，提高了系统的安全性能。     

基于民用信息系统构建国防信息安全与对抗网络的探讨

针对我军来来所面临的信息战问题,从隐军予民、军民两用的角度,分析了基于民用信息系统构建国防信息安全与对抗网络的必要性,用实例说明了其可行性,并阐述了网络构建的内涵。     

基于中心差异度迭代调整机制的 网络社区搜寻算法研究

为解决当前网络社区搜寻算法存在的节点聚类形成困难,搜寻迭代过于复杂,难以实现社区归属的二次更新等不足,提出了一种基于中心差异度迭代调整机制的网络社区搜寻算法。首先,通过领袖节点重叠度来实现初次社区搜寻裁决,有效降低了重复搜寻的概率,且根据加入节点与领袖节点差异度进行聚类匹配;随后,通过待加入节点与领袖节点之间的交互热度方式进行基于热度机制的聚类递归,实现对搜寻误差的二次校正。仿真实验表明,与当前网络社区搜寻算法中常用的差分迭代阈值裁决机制,混沌度一体化成型迭代机制相比,本文算法具有更高的首次成功率,以及更小的搜寻次数与迭代周期,具有很强的实际部署价值。     

网络数据安全策略研究

计算机网络是计算机技术发展的重要技术之一,网络为我们的生活提供了大量的帮助,但它同时增加了网络中数据的不安全性,通过对常见漏洞分析并提出相应的解决方案.