应用于图像分割的改进贪婪蛇算法

针对现有的贪婪蛇算法存在的计算量大且不能很好地处理凹形图像的问题,提出一种改进贪婪蛇算法;该算法对原始图像进行灰度预处理,以提高原始图像锐化程度;通过重新设计能量函数中的图像力的计算方法,得到一种新的贪婪蛇算法能量函数,用于完成蛇素的初始收敛;使用一种贪婪收敛策略实现蛇素的最终收敛。图像分割实验验证了改进贪婪蛇算法的有效性,特别是在分割复杂凹形图像时效果较好。     

基于STSA的中国股市的聚集效应研究——以上证50指数为例

网络分析方法为系统分析股票市场的复杂性提供了有效方法。本文利用最小生成树和分层树聚类分析法的思想,引入符号时间序列分析法(STSA),通过构建股票市场的拓扑结构来分析经济意义上的聚类特征。首先,将收益序列转化为符号序列,并在此基础上计算出符号序列的欧氏距离;其次,利用Kruskal的最小生成树算法,构建出证券组合的亚超度量距离矩阵,并把亚超度量距离矩阵映射为分层树结构;最后,对上证50指数成分股进行了实证分析。