基于相似性度量的肺结节图像检索算法

为了克服肺部病变CT表现复杂,极易造成医生误诊的缺点,提出了一种基于相似性度量的医学图像检索算法并用于肺癌的诊断研究,该相似性度量保持了图像的语义相关和视觉相似.首先,根据相似性度量理论构建距离度量学习算法学习一个马氏距离;然后,根据学习的马氏距离度量,提出新的医学图像检索算法,并将提出的算法应用于肺癌的诊断研究.实验结果证明了该检索算法在肺癌诊断应用中的可行性和有效性.     

基于CUDA的高维空间检索排序

高维空间的近邻检索是多媒体信息领域的重要研究课题.文章提出一种基于CUDA的高维空间距离检索排序算法,通过并行优化空间距离计算及排序过程,充分利用GPU硬件特性和它的并行运算能力,能极大地提高高维空间的检索速度,并可获取精确的距离排序数据.实验结果表明,该文算法可达到百万级别高维数据的实时检索,极大地拓展了高维检索的应...     

基于非结构化P2P网络资源检索的自组织研究

通过自组织将非结构化P2P网络过渡到半结构化网络,改变传统P2P网络资源检索的盲目性,降低检索请求的响应延迟,减少检索时网络带宽的占用. 针对非结构化网络的不稳定性,设计了易于管理和重构的三层自组织结构,优化检索请求在自组织结构中的传播;当节点退出网络时,采用了平稳的过渡方法,使自组织结构在重构过程中对网络的影响较小;在重构过程中根据节点的稳定程度选择管理节点,使整个网络保持相对稳定.     

图像数据库基于内容检索的索引方法研究

为了提高图像数据库的检索效率，必须提高高维索引的效率．通过对SR-tree和x-tree的结构和性能分析，引入X-tree中超级节点的思想，改进了分裂算法，设计了一种新的高维索引结构ESR-tree（Extended SR-tree）．ESR-tree采用超矩形和超球形相结合的包络方法，在节点结构中引入超级节点．通过改进插入和分裂算法，有效降低了重叠率，避免了不必要的分裂，更好地维持树的平衡．同时有效降低了CPU时间和I／O次数，提高了检索效率．实验表明，随着数据量和维数的增多，ESR-tree的性能明显优于SR-tree和X-tree．     

基于逻辑相似性的运动检索算法

针对基于内容的人体运动检索问题,提出了一种基于逻辑相似性的运动数据检索方法。首先,针对特定人体运动序列数据,使用自组织网络映射算法对运动数据进行预处理,找出运动数据帧的最佳匹配单元。然后,应用数据编码规则对匹配单元进行量化及编码处理,获得基于符号化表示的运动描述符。基于符号化表示的描述符建立运动序列索引机制,应用多分辨率框架进行运动模式匹配。最后,按照模式匹配结果进行运动相似性排序,输出检索结果。在CMU运动数据库中的试验结果表明了算法有效性。     

图像检索中一种新的相似性度量方法

基于内容的图像检索的目的是允许用户从大量的图像库中检索出图像。在图像检索系统中一幅图像通常有一系列低阶描述器描述。本文提出综合给定的一系列的相似性函数。对每个相似性函数,建立一个概率分布。假设统计是独立的,这些概率分布被用来设计一个新的从每个独立的函数中综合获得的结果的相似性度量。     

基于集合论的光谱相似性度量及在影像检索中的应用

将高光谱遥感中光谱向量相似性度量转换为相应的集合相似性度量,提出了两种适用于光谱的相似性度量方法,即基于光谱多边形面积和基于特征波段位置匹配度量.实验结果表明,基于光谱多边形的方法能够更有效地综合应用反射率和波长二维信息,有效度量光谱向量相似性.     

有效的XML检索结果的相似性度量

相似性度量是聚类等问题中的核心问题.本文研究了XML检索结果的相似性度量,提出了一种新的结构的和内容的XML检索结果相似性度量.首先,在结构方面,提出了两个结构相似性度量:纵向结构相似度和横向结构相似度,它们基于不同的特征集,体现了结构的不同方面的相似度.在内容方面,提出用带有结构的内容模型来描述内容,基于这一内容模型提出了内容相似度.最后进行了实验,在实际数据集和合成数据集上的实验结果都显示,结构相似度和内容相似度都具有很好的准确性.     

一种无结构 P2P 系统中基于层次兴趣树的语义检索机制

提出了一种无结构P2P系统中有效的语义检索方法: 基于层次兴趣树(HIT) 的语义检索。每个节点中所有的文档根据分类 目录被分类成层次兴趣树, 并发送至该节点所属的超级节点。同时, 每个类中前 n个关键词的倒排文档索引, 也会依据它们的χ²统计值被发送至超级节点。当节点发送一个查询并给出类别语义相似性阈值Simth时, 查询消息通过一个有效的查询路由算法被转发, 结果则通过搜索HIT返回。不同的节点可以给出各自不同的Si mth, 其灵活性可以为每个节点提供更好的个性化服务。实验表 明在无结构的P2P系统中, 基于HIT的语义检索方法比以前的方法具有更好的准确性和有效性。     

一个基于本体的P2P语义检索框架

针对传统P2P系统大多采用关键字匹配实现信息检索且不支持语义的问题,提出了一个基于本体的P2P语义检索框架.该框架采用超级节点拓扑结构,利用本体进行信息集成,将支持相似概念的节点聚类到同一语义对等组,组内节点依据本体定义使用语义链来连接,组之间语义关联则通过超级节点的组语义链来实现;同时增加语义快捷链实现不同语义组之间的节点连接.     

基于遗传算法和Best-First图搜索的约减集求解算法

提出了两种新的约减算法,分别运用遗传算法和Ｂｅｓｔ－Ｆｉｒｓｔ搜索方法求约减集,前者利用了遗传算法的寻优特性从种群中获得一最优及一组次优个体,进而获得一组约减;后者采用Ｂｅｓｔ－Ｆｉｒｓｔ搜索方法,相对于Ａ算法可扩大搜索空间,并可从ｏｐｅｎ表前部获得一最优及一组次优的状态节点,进而获得一组约减。实验结果表明,文中提出的算法是有效且合理的。     

基于文件分类的非结构化P2P网络搜索算法

为了解决现有的非结构化对等网络的搜索机制不灵活,效率低下的问题,提出了一种新算法.在该算法中,将网络结点按照拓扑分类,同时把要搜索的资源根据其流行程度和位置划分为不同类型,在搜索过程中对不同类型结点在查找不同类型文件时应用不同的搜索策略,提高了搜索效率.实验结果表明,该算法具有较高的灵活性和自治性,且比传统搜索算法有较...     

一种面向图集合的相似性搜索技术

目前图相似性的研究工作主要集中在子图的匹配,而没有充分关注图集合之间的匹配.针对这一问题,提出了一种基于过滤-求精框架的GSSS算法;提出了一种图集合距离定义,设计了Number,Size,Complete edge和Lower bound过滤器减小搜索空间,优化了图集合距离的计算;设计并优化了一种增量式的多层倒排索引,提高了查询效率,适应数据集的动态变化.真实数据集上的大量实验验证了GSSS算法的有效性和高效性.     

基于改进的和声搜索算法的特征基因选择方法

DNA微阵列数据通常含有成千上万个基因,其中含有大量与分类无关的基因和冗余基因,这些基因的存在会严重影响分类精度和效率.针对这一问题,提出一种基于改进的和声搜索算法的特征基因选择方法,首先采用Relief F算法对微阵列基因数据集排序,取排序靠前的N个基因构成初选基因子集,然后再利用改进的和声搜索算法选择特征基因.通过在3个公共微阵列数据集上的仿真实验,结果表明,该算法能够在更少的特征基因情况下达到很高的精度,是一种有效的特征基因选择算法.     

基于节点兴趣的非结构化P2P自动搜索机制

研究了基于节点兴趣的非结构化P2P自动搜索的机制和算法。节点兴趣由节点所共享的文档的k-高频词向量描述。网络中的节点采用"拉"(pull)通信方式。节点不能把信息"推"(push)给其它节点,这样就保证了节点只会收到它想要的信息。系统中的节点根据用户提供的共享文档自动获知用户感兴趣的文档类型,并且自动和其它具有相似兴趣的节点组成一个覆盖网络。节点定期自动获取覆盖网络中其它节点共享的新文档信息,以方便用户查找和浏览新文档。并且通过仿真实验验证了系统具有可扩展性。     

P2P文件搜索系统中基于标签的文件搜索方法

针对点对点(P2P)文件搜索技术存在网络带宽消耗大和查询速度慢等问题, 为专用的P2P系统设计一种基于标签的文件搜索方案. 该方案给出了将系统底层每个节点所控制的相关文件上传到中间层子服务器, 及将顶层中央服务器接收到的文件查询转发到相关子服务器的方法, 并运用标签优先顺序技术实现了查询的快速转发.
性能评估结果表明, 基于标签的文件搜索方法在转发查询过程中, 必须检测的标签个数由一个很小的常数界定, 从而节省了系统的网络带宽, 提高了文件的搜索速度.     

基于相似度的快速网页排序算法

将经典的PageRank算法和汉明距离相似度算法结合,提出一种新的网页排序方法。通过结合汉明距离(Hamming distance)相似度算法,计算检索词和网页文本相似度,提高搜索查准率;在增加检索词的同义词的搜索过程中,通过改进汉明距离相似度算法,提高搜索查全率。实验结果表明,该方法与PageRank算法相比,拥有了更好的效果。     

基于最优投影和动态阈值的最近邻搜索算法

作者在前人工作成果的基础上,提出并实现了一种基于最优投影和动态阈值调整的最近邻搜索算法DTA(Dynamic Threshold Algorithm);证明了最优投影线定理和投影邻域定理;并分析了DTA算法与SNN算法相比在算法性能上的优势.实验结果表明,当数据规模增大时,DTA算法的运行时间增加相对缓慢,在大规模数据集上DTA算法的运行时间可达传统算法的10%以下;DTA算法对阈值的变化不敏感,能适应不同分布的数据集合.     

基于改进麻雀搜索算法的空气质量指数预测

为更准确地预测空气质量指数(Air Quality Index, AQI),提出一种基于改进麻雀搜索算法(Improved Sparrow Search Algorithm, ISSA)的AQI预测模型(ISSA-BP)。利用麻雀搜索算法(Sparrow Search Algorithm, SSA)的全局搜索性能对BP神经网络的权值和阈值进行优化,解决传统BP神经网络在预测AQI过程中出现的收敛速度慢、易陷入局部最优等问题。同时,针对SSA在优化过程中的缺陷,引入立方映射和优化策略增强算法的全局搜索及收敛能力,进一步提高预测性能。应用ISSA-BP模型预测杭州市AQI,实验结果表明,与其他模型相比,该模型的预测精度有显著提升。本研究为大气污染防治提供了新的预测方法。     

基于XML的Web搜索技术

在系统介绍标记语言和XML的基础上，分析了基于XML的数据查询和查询优化方法。