Adaptive Image Digital Watermarking with DCT and FCM

A novel adaptive digital image watermark algorithm is proposed. Fuzzy c-means clustering （FCM） is used to classify the original image blocks into two classes based on several characteristic parameters of human visual system （HVS）. One is suited for embedding a digital watermark, the other is not. So the appropriate blocks in an image are selected to embed the watermark. The wetermark is embedded in the middle-frequency part of the host image in conjunction with HVS and discrete cosine transform （DCT）. The maximal watermark strength is fixed according to the frequency masking. In the same time, for the good performance, the watermark is modulated into a fractal modulation array. The simulation results show that we can remarkably extract the hiding watermark and the algorithm can achieve good robustness with common signal distortion or geometric distortion and the quality of the watermarked image is guaranteed.     

一种动态自适应最近邻聚类学习算法在工业污水处理中的应用

为了建立工业污水pH值中和系统的正模型,研究了具有大滞后非线性特性的加药中和过程.利用一种动态自适应最近邻聚类(DANNC)学习算法,全面调整网络参数完成了污水pH值加药中和控制系统网络的学习和训练.采用中和过程神经网络内模控制系统的逆模型充当控制器,进行了各种工业条件下污水中和的仿真实验.结果表明,该系统实现了△pH≤0.2的工业污水的控制精度目标,系统实时跟踪和抗干扰性良好.     

The Effective Clustering Partition Algorithm Based on the Genetic Evolution

To the problem that it is hard to determine the clustering number and the abnormal points by using the clustering validity function, an effective clustering partition model based on the genetic algorithm is built in this paper. The solution to the problem is formed by the combination of the clustering partition and the encoding samples, and the fitness function is defined by the distances among and within clusters. The clustering number and the samples in each cluster are determined and the abnormal points are distinguished by implementing the triple random crossover operator and the mutation. Based on the known sample data, the results of the novel method and the clustering validity function are compared. Numerical experiments are given and the results show that the novel method is more effective.     

一种基于Rb-K平均带宽设定的点带宽可变的Mean Shift算法

Mean shift是一个用在图像滤波、图像分割中的迭代过程．传统的Mean shift在迭代过程中每一个点的带宽是固定不变的,现有的Mean shift没有考虑迭代点带宽可变的情况．提出一种新的迭代点带宽可变的Mean shift,即每一个点在迭代过程中带宽是变化的．对传统方法和迭代点带宽可变方法进行比较,并对迭代点带宽可变方法进行评价,迭代点带宽可变方法在细节处理方面有好的效果．     

数据挖掘技术与智能查询应答结合分析

数据挖掘过程基于查询启动，论述了数据控制过程及基于SQL Server 2000的数据挖掘技术，并就数据挖掘技术的发展及其与智能查询应答结合的思想理念进行了深入的探讨。     

一种基于大规模标注语料库的词语聚类方法

提出了一种基于大规模标注语料库的词语聚类方法。文中根据专家群体对某一具体问题进行决策的需要，回顾了国内外几种基于分布的词语聚类方法，并给出我们的算法原理及实现步骤。首先人工抽取某一类词语中的几个，从语料库找到这些词的修饰词，组成修饰词向量，然后对于每一个词语，统计修饰词向量中的每个修饰词和该词语在语料库中同现的频率，组成特征向量，最后进行聚类分析，支持宏观经济决策的试验表明该算法能有效地实现词语的聚类。     

极大熵聚类算法的收敛性定理

讨论了极大熵聚类算法的收敛性,构造了极大熵聚类算法的收敛点集,并证明了极大熵聚类算法的收敛性定理.结果表明,极大熵聚类算法不一定收敛到局部极小点,有时收敛到鞍点.同时,也给出了如何判断极大熵聚类算法的收敛点是局部极小点还是鞍点的方法.     

基于远近距离的说话人聚类算法

提出了基于远近距离的说话人聚类算法:首先,使用端点检测算法把语音分割成读音段,然后,采用T2公式对近距离的说话人语音段进行聚类得到语音块,最后,使用谱聚类的方法估计说话人数目,对远距离的说话人(语音块)进行聚类。实验结果表明,在近距离的说话人聚类中,使用T2公式比使用BIC和KL在语音块准确率方面分别高出2.62%和13.84%,在远距离的说话人聚类中,使用谱聚类算法基本上可以把语音中的说话人数目计算出来,当说话人数目为15时,类纯度和说话人纯度可以达到78%,说明该算法可以有效地对说话人进行聚类。     

线性空间的极大子空间

引进了线性空间的极大子空间的概念,主要得出了3个结论：（1）线性空间V的子空间M是极大子空间当且仅当M是一维子空间的余子空间。（2）线性空间的任意子空间都可表示为一些极大子空间的交。（3）在满足子空间降链条件的线性空间中,每个子空间可表示为有限个极大子空间的交。