基于小波-Contourlet变换的区域能量加权图像融合算法

为了消除Contourlet变换中拉普拉斯金字塔分解存在的信息冗余,提出了一种基于小波-Contourlet变换的图像融合算法.该算法采用了不同的窗口函数计算图像高频分量和低频分量的区域能量;以区域能量计算的归一化权值对各小波-Contourlet系数进行加权,得到融合小波-Contourlet系数.实验结果和均值、方差、熵与交叉熵等客观评价数据表明,在相同融合规则下,小波-Contourlet变换能够取得比Contourlet变换更好的结果;在相同变换条件下,基于不同窗口函数的区域能量融合规则的融合效果好于基于均值窗口函数的区域能量融合规则和低频采用均值与高频取最大值的融合规则.     

基于CMAR算法的水平加权多分类关联规则挖掘

关联分类是数据挖掘中一种新的分类方法,它将关联规则挖掘和分类进行了算法集成.但在实际应用中,用户会比较倾向于自己最感兴趣或认为最重要的那部分属性,因此有必要加强这些属性对规则的影响,同时减弱另一些用户兴趣不大或认为不重要的属性对规则的影响.为此,本文提出了水平加权关联规则的问题,并结合CMAR算法,加以改进给出了关于该问题的解决方案及有效算法New_CMAR,实验表明,修改后的New_CMAR算法正确并符合实际,有实用价值.     

基于小波变换的图像像素级融合算法研究

提出了一种基于小波变换的图像融合方法,并针对该算法对存在局部噪声的图像以及局部噪声和局部模糊并存的图像融合效果不理想的问题,提出了改进算法。弥补了原算法的缺陷。实验证实,改进算法对不同类型的图像具有较好的适应性和鲁棒性．有实用价值。     

利用传感器判决门限联合优化的串行检测融合算法

针对传感器观测相关的条件下最优分布式检测融合算法较为复杂这一问题,提出了一种基于似然比判决规则的系统性能优化方法.该方法的基本思想是,限定各部传感器采用似然比判决规则,并在此约束条件下,联合优化各部传感器的判决门限,以使系统检测性能达到最优.对于由N部传感器组成的分布式串行检测融合系统,在Bayes准则下推导了各部传感器判决门限联合最优化的必要条件,得到了最优传感器判决门限满足的系统方程,并在此基础上给出了求解最优传感器判决门限的数值迭代算法.由于将传感器判决规则的联合优化问题简化为了判决门限的联合优化问题,因此该算法计算量较小,收敛性较好,更加便于工程应用.     

可用性语义Web服务的通用发现机制

针对复杂组合Web服务的选择问题,提出了一种基于可用性的语义Web服务发现方法.使用动态自适应模板来寻找可用的组合Web服务,结合语义匹配度量化Web服务的功能、非功能属性,在形式化定义组合Web服务的可用性等规则的情况下,基于可用性的量化值进行排序,从而得到最合适的Web服务.将以建议规则实现的匹配引擎运行于原型系统,结果表明所提方法可以实时选择复杂组合Web服务,适用范围也比较大,并在查全率的基础上能够获得最优解.     

一种新颖的多传感器行驶车辆分类系统

提出了一种新颖的利用5个埋入式应变传感器获得车型特征参数的多传感器行驶车辆分类系统．该系统利用传感器的特殊位置分布与车辆各轴到达传感器时刻的相关性,对采集的信息进行像素级融合,突出信号的特征部分,提高特征提取的准确率和精度．最后利用D-S证据理论组合轴数、轴空间和轴重等特征证据对车型进行分类．实验结果表明该系统对行驶车辆识别率超过95％．     

数据挖掘技术在试题质量评价中的应用

介绍了关联规则基本概念及Apriori算法,分析了关联规则挖掘在试题评价中存在的不足,提出了一种基于信息量的关联规则挖掘改进算法ARMABI.实验结果表明,该算法性能明显优于传统的关联规则挖掘算法,具有较高的推广价值.并且,对下一步工作进行了展望.     

基于聚类矩阵的CM—Apriori算法研究

针对关联规则中Apriori算法的不足,提出了一种基于聚类矩阵的CM-Apriori新算法.该算法只需扫描事务数据库一次,就直接按事务项数生成聚类矩阵,每次只需对部分聚类矩阵进行运算,就可以生成频繁项集.这大大减少了扫描数据库的次数和计算成本,从而有效提高了算法的运算效率,并通过实例说明了它是一种有效的关联规则挖掘方法.     

数据挖掘中关联规则挖掘算法的探讨与研究

对数据挖掘中的关联规则挖掘算法进行了研究、探讨和比较。在分析关联规则最具代表性两类算法的基础上,提出了一种挖掘算法的改进思想,并对关联规则进行了展望。     

基于规则引擎技术的Rete算法的研究

为了保持应用系统的灵活性和竞争性,越来越多的行业在其应用系统中采用了规则引擎技术。本文主要对规则引擎技术的工作原理进行了研究,在此基础上,研究了基于规则引擎技术的Rete算法,同时,对其性能进行了分析。