一种改进的自适应距离保持水平集演化方法

提出一种改进的自适应距离保持水平集演化方法. 该方法定义新的图像相依权系数与停止函数,有效解决了演化曲线对初始位置敏感的问题. 零水平集曲线能根据图像性质自适应地决定向内还是向外运动,而且在像素灰度值相等的区域曲线能继续演化直至目标物体边界,并提高了零水平集曲线对深度凹陷边界的捕获能力. 实验结果表明,该方法能有效检测目标边界,且有较强的抗噪能力.     

Chan-Vese模型下的复合多相水平集图像分割

Chan-Vese模型(C-V模型)能够实现图像的二区域分割,但在多区域分割上存在局限. 目前解决C-V模型多区域分割问题有两种方案：一是采用多水平集同时收敛的并行多相分割;另一种是采用多水平集依次收敛的串行多相分割. 文中将两种方案结合起来,利用并行多相算法表示区域量大和串行多相算法分割效率高的特点,提出基于C-V模型的复合多相水平集分割算法,增加了串行结构下的分割区域量,也提高了并行结构下各水平集的实际分割效率. 实验结果表明,该方法可实现多区域分割,并能检测由弱边缘构成的子目标.     

基于满意度控制的机场应急救援决策规则的数据挖掘

摘要: 机场应急救援工作的规模决策对于抢救生命财产至关重要. 针对目前救援规模决策缺乏合理规则指导的问题, 提出了一种基于满意度控制的数据挖掘方法. 该方法将满意度理论中的选择函数和拒绝函数植入数据挖掘关联规则算法 中,在保持样本完好性的同时识别异样数据,控制挖掘进程,建立有效的机场应急救援辅助决策规则库,用以辅助决策 者作出更为科学合理的决策. 实验结果表明,该算法能挖掘出合理的应急救援规模决策规则,提高挖掘的准确性和效率.     

基于样本扩展和线性子空间特征提取的单样本人脸识别

针对单训练样本情况下的人脸识别问题,提出一种虚拟样本扩展方法. 利用光照模板映射将单一样本扩展为一组虚拟样本,从而增强单训练样本的分类信息. 采用主成分分析（principal component analysis, PCA）对扩展的虚拟样本进行降维,并用Fisher 鉴别变换作二次特征抽取,然后用最近邻分类器识别人脸图像. 所提方法在人脸图像库Yale B 和Extended Yale B 上进行试验,用PCA+LDA 方法把扩展图像作为训练集对测试图像进行特征提取和识别. 相对于以单样本图像为训练集的PCA 特征提取,该方法显著提高了识别率.     

边界轮廓特征的多分辨率弹性配准

提出一种基于边界轮廓的多分辨率弹性配准方法.首先用C-V(Chan-Vese)模型提取人脑图像的边界轮廓.接着使用模拟退火方法结合B样条插值函数来配准边界轮廓点集,在退火过程中通过使用多分辨率策略,在获得精细边界轮廓的同时加快了配准速度.最后利用B样条插值函数完成图像配准.实验结果表明,该算法在保证与同类算法相同精度的前提下,实现了快速弹性配准.     

Cholesky分解在协方差矩阵恢复中的使用

针对基于稀疏扩展信息滤波的同步定位与地图创建(simultaneous localization and mapping,SLAM)问题,分析并比较了最近邻数据关联、极大似然数据关联以及联合相容性检验数据关联的原理,阐述了边缘协方差矩阵恢复的必要性.在此基础上提出一种利用Cholesky分解由信息矩阵准确恢复协方差任意元素的方法,该方法具有较高的计算效率.在仿真实验中将该方法与协方差边界估计法比较,并分别用于3种数据关联算法的比较分析,表明所提出的方法适用于多种数据关联方法,能在保证定位精度的同时有效控制算法复杂度.最后对各种数据关联算法在稀疏扩展信息滤波SLAM中的性能进行了讨论.     

iBeacon网络下的区域化双层定位体系

针对许多传统室内大空间定位方法难以同时提高定位实时性和精度的问题,提出一种i Beacon网络下的区域化双层定位体系.该体系由两种优化后的室内定位算法与i Beacon双层定位架构组成.前者通过空间区域化概率匹配算法实现快速区域定位,利用区域内加权质心算法实现高精度区域内定位;后者通过i Beacon识别码对定位节点进行两级划分,利用两级节点的不同组合实现不同的定位层次.该体系通过i Beacon双层定位架构将处于不同定位层次的两种室内定位算法相结合,可同时提升实时性和精度.实验表明,在相近定位精度条件下,所提定位体系的实时性比K最近邻算法、加权K最近邻算法分别提高55.29%和54.18%.定位精度比基于RSSI的四边测距改进加权质心算法提高37.35%.该体系具有高精度和低成本优势,可广泛用于大型建筑室内导航及行人轨迹探测等领域,经济和社会应用价值高.     

半导体中深能级的晶格弛豫效应

基于Hjalmarson等人提出的理论,研究了有关Si,Ge以及GaP的深能级的最近邻和次最近邻晶格弛豫效应.对Baranowski提出的计算紧束缚非对角元的近似估算模型作了合理的修正,采用Harrison提出的与最近邻原子的键长的平方成反比例的规则以及修正的Baranowski模型,进行了大量的数值计算.对于含多种杂质的Si,Ge和GaP半导体材料,文中还对利用不同的理论模型分别计算出的深能级及实验测量结果的误差作了比较.     

云平台下关联规则算法并行化研究与实现

针对传统关联规则Apriori算法在挖掘关联规则时需多次扫描事务数据库,增加系统I/O、通信的开销等性能问题,进行了算法的改进,改进后的算法D_Apriori通过去除候选集并结合布尔矩阵方式来压缩存储事务数据,从而减少事务数据库的扫描次数,并借助Hadoop平台的MapReduce并行编程模式,实现D_Apriori算法并行化,简化了生成候选项的连接步骤,同时在计算的过程中对事务进行压缩,提高了运算速度,改善了算法的性能,最后通过实验进行对比分析表明改进后的并行算法能较好地降低挖掘频繁项集时的I/O和通信开销,具有高效性与良好的加速比.     

字典学习优化结合二维KCM选择的人脸识别方法

针对人脸识别中区域的高阶隐藏非线性结构发现问题,提出了字典学习优化结合2D Krawtchouk矩(KCM)选择的人脸识别方法.首先,利用二维KCM选择提取特征向量;然后,利用字典学习优化得到最优特征矩阵,并将特征进行组合;最后,使用最近邻分类器完成分类.实验结果表明,相比其他几种方法,该方法获得的平均精度高且鲁棒性更好.     

基于视觉关注模型与多尺度MSER的自然场景文本检测

自然场景中文本检测易受光照、复杂背景、多语言文字、字体及尺寸等因素影响,该文提出了一种基于Itti视觉关注模型与多尺度最大稳定极值区域(maximally stable extremal region, MSER)结合的自然场景文本检测算法.首先利用改进的Itti视觉关注模型提取文本特征图,并采用不同结合策略得到各尺度文本显著图;然后结合多尺度的MSER区域得到3种文本候选区域.根据文字与生成文本框的几何规则合并文本候选区域得到文本行;最后利用随机森林分类器除去非文本区域得到最终文本区域.实验结果表明,该方法对于自然场景图像中的文本检测具有较高的精确度和一定的鲁棒性.     

海量信息系统分层约简算法研究

针对海量信息系统的约简问题提出了分层约简算法.通过对确定增量算子的深入讨论,得到一系列定理.进一步给出了有核信息系统与无核信息系统的分层约简算法.最后,通过一个实例,证明了该算法的有效性.     

基于多重加权树的并行关系数据库系统的查询优化方法

The author investigates the query optimization problem for parallel relational databases. A multi-weighted tree based query optimization method is proposed. The method consists of a multi-weighted tree based parallel query plan model, a cost model for parallel qury plans and a query optimizer. The parallel query plan model is the first one to model all basic relational operations, all three types of parallelism of query execution, processor and memory allocation to operations, memory allocation to the buffers between operations in pipelines and data redistribution among processors.The cost model takes the waiting time of the operations in pipelining execution into consideration and is computable in a bottom-up fashion. The query optimizer addresses the query optimization problem in the context of Select-Project-Join queries that are widely used in commercial DBMSs. Several heuristics determining the processor allocation to operations are derived and used in the query optimizer. The query optimizer is aware of memory resources in order to generate good-quality plans. It includes the heuristics for determining the memory allocation to operations and buffers between operations in pipelines so that the memory resourse is fully exploit. In addition, multiple algorithms for implementing join operations are consided in the query optimizer. The query optimizer can make an optimal choice of join algorithm for each join operation in a query. The proposed query optimization method has been used in a prototype parallel database management system designed and implemented by the author.     

基于邻域熵的决策表约简

针对传统粗糙集理论难以处理数值型数据的特点,提出基于邻域熵的决策表特征约简方法.该方法通过引入邻域关系进行信息粒化,定义邻域熵概念,用来度量数值型数据的不确定性,证明邻域熵的单调性原理,提出基于邻域熵与分类精度加权的特征重要度概念,基于邻域熵单调性原理设计了两种启发式特征约简算法.理论分析与实例表明该方法是有效可行的.     

基于环的准循环LDPC码的小停止集计算

Tanner图最小停止集的大小决定LDPC码在迭代译码时的性能．为此,提出准循环LDPC码无小停止集的充要条件．根据该文所提定理及推论,不仅可以设计出无小停止集的准循环LDPC码,而且还给出了小停止集数目的计算方法．在BER为le-5时,该文设计的准循环LDPC码与随机LDPC码相比具有0．3dB的增益．该算法可有效评估LDPC码的性能,也可计算LDPC码的短环数,较之现有算法具有更低的计算复杂度．     

基于矢量重构的相干信源测向

传统的解相干方法主要有空间平滑和子空间拟合两类,但这些方法或者阵列利用率低或者计算复杂度高,因此寻求计算量小且阵列利用率高的解相干测向方法有重要意义. 该文基于前后向矢量重构理论,提出一种相干信源测向方法. 根据信号导向矢量矩阵与信号子空间张成同一空间,充分利用大特征值对应的特征向量,采用前后向矢量重构方法构造列满秩的数据矩阵,利用总体最小二乘¡旋转不变子空间算法进行波达方向估计. 该方法适用于独立信源和相干信源同时存在的情况,具有良好的实用性,且运算过程简单,计算量小. 理论分析和仿真结果表明了所提方法具有优良性能.     

一类线性时滞系统的状态观测器设计

研究了一类线性时滞系统的状态观测器设计问题,首先基于时滞系统的Lyapunov稳定性方法给出了状态观测器条件,然后在一定的条件下提出了两种时滞系统的状态观测器设计算法.数值例子说明了该方法的简单、有效性.     

图像块状瑕疵消除及边缘作用的分析

块状瑕疵是基于离散余弦变换的图像压缩常见问题之一,会造成图像质量的明显退化. 文中提出一种新的块状瑕疵消除（解块滤波）方法. 通过对近期解块滤波中边缘图提取方法及其作用的分析,引入压缩数据块的类型判断标准进行分划并提取边缘图,采用自适应复合方法消除图像中块状瑕疵. 所有的计算都在压缩域中进行,因此对原始数据的压缩特性没有任何影响. 实验结果表明,与现有其他方法相比,该方法覆盖范围广,输出稳定,处理后图像视觉效果好.     

OFDM系统的时频同步优化

研究了多径衰落信道下OFDM系统的时频同步算法,分析了传统算法定时不准确的原因,提出了一种优化方法,并基于一个对称PN序列来完成时频同步. 通过寻找滑动相关求和值的第1个下降沿完成定时同步,给出了使用滑动求和值搜索窗口大小的选取方法,同时在频率同步中引入修正相关计算的概念. 仿真结果证明了该
算法在多径信道,特别是第1径不是最强径情况下的稳定性和优越性。     

图象分割算法的改进研究

针对传统基于图论的图象分割方法对噪声敏感以及计算复杂度大的问题,对传统算法进行了相应的改进,综合考虑像素的灰度信息和空间位置信息,计算权函数表达式时充分考虑到节点之间及节点与区域间的空间近邻关系.对比实验表明,该算法能够有效地从背景中把目标物体分割出来,并且当目标物和背景相近时,相比其他两种算法能够去除更多背景;该算法分割结果更接近于人眼视觉特征.