视频VLC域实时隐写算法

提出了一种MPEG-2压缩视频流上的信息隐写算法,在VLC域中进行嵌入和提取操作,避免了针对压缩视频流的解码和再编码过程,能够满足视频隐写算法的实时要求.同时,使用ISO/IEC 13818-2:1995标准中的VLC编码表离线构造一组增/减对值树,并使用相应的对值树指导嵌入算法,从而保证了视频文件大小在信息嵌入前后不发生明显变化.     

CCSDS高光谱图像压缩算法的优化

对CCSDS算法进行了优化,提出了OCPC算法。该算法采用两种预测模式根据像素点位置自适应地选择预测方法,并且编码采用Golomb Rice编码方法,编码中仍然采用自适应编码K的计算方法。最后对OCPC算法的压缩特性进行了验证,取得了优越的压缩性能。     

无线自组网络基于遗传算法的多播路由算法

随着无线自组网络技术的发展,多播应用日益广泛。文章研究无线自组网络多插路由问题,针对已有算法在时延约束多播路由树费用优化方面的不足,提出基于遗传算法的多播路由算法。该算法首先通过Dijkstra算法得到源节点到每个接收节点间的最多K条路径;其次给这些路径编号,进行编码,设计遗传操作;最后,进行遗传迭代运算找到费用全局优...     

3D-SPIHT算法在视频编码中的应用

提出一种改进的三维等级树集分割编码算法。该算法针对三维等级树集算法对纹理复杂、边缘较多的图像编码效率低,存储空间和时间开销大等缺点进行了改进。经试验证明,改进后的三维等级树集分割编码算法提高了压缩效率,节约存储空间和时间开销,降低扫描编码复杂度,无方块效应,具有较好的性能。     

汽车电子导航中基于图像渐进编码的SPIHT算法研究

网络图像的渐进传输是基于小波变换静止图像压缩技术的一个典型实例,目前网络流行的传输图像压缩格式有JPEG和GIF格式,但以这种压缩格式传输往往要耗费较长时间才能显示整幅图像,随着互联网的普及和图像应用范围的不断扩大,对图像的编码提出了新的要求.多级树集合分裂算法SPIHT(Set Partitioning In Hierarchical Trees)小波编码较好地实现了这一思想,它是嵌入式零树小波编码EZW(Embedded Zerotree Wavelets)的改进算法.对SPIHT编码算法从原理到算法进行了分析和讨论,并指出了嵌入式图像编码的研究方向.     

一种基于PCA/SOFM混合神经网络的图象压缩算法

鉴于用神经网络实现图象压缩是一种非常有效的方法,为此提出了一种基于PCA/SOFM混合神经网络的图象压缩编码算法,并对SOFM网络学习参数的优化进行了探讨.实验证明,与PCA SOFM连续编码算法和基本SOFM算法相比,这种混合编码算法,由于占用存储空间少,因而降低了码书设计的计算量,并改善了码书的性能.     

易于硬件实现的集合树块图像压缩编码

提出一种易于硬件实现的集合树块图像压缩算法,将小波系数按照零树的方法排列为树集合,并将树集合排列为集合树块,利用分辨率之间的相似性和相邻系数之间的相关性进行编码,提高数据压缩效率;树块之间独立进行编码,以提高系统抗误码能力.对算法进行了系统仿真,结果表明本算法压缩效率与JPEG2000相当,优于SPIHT压缩算法,但编码算法更简单,有利于系统的硬件实现.     

基于EZW的牙颌模型三维数据压缩

针对牙颌模型深度数据的压缩处理问题,阐述了嵌入零树小波(Embedded Zerotree Wavelet,EZW)编码算法的基本原理和算法实现,讨论了基于感兴趣区域的EZW算法及其实现,并在实验室进行了深度数据和三维重构图像的基于感兴趣区域的EZW编码实验.实验表明,EZW编码既能实现图像的有损压缩也可实现图像的无损压缩,并具有很大的压缩比.     

C语言在K叉哈夫曼编码教学中的应用

字符编码与信息压缩是计算机应用的重要研究课题,许多学者对此作了很多非常有价值的研究.文章简单分析了二叉哈夫曼树的构造及编码,通过比较三种构造三叉哈夫曼树的算法,提出了构造任意K叉哈夫曼树及K进制的最优前缀编码的算法,并给出C语言源程序,使哈夫曼编码的应用范围变得更为广阔.     

提升方案结合改进EZW的快速图像压缩方法

在EZW算法的基础上,针对零树编码存在的不足,利用图像平滑技术,提出了一种基于提升方案下的整数小波变换,简化了计算过程.并根据静止图像经整数小波变(integer wavelet transform)后,各子带系数的幅值动态变化范围小,不利于零树编码(embedded zero-tree wavelet coding)的缺点,在使用嵌入式零树小波编码算法进行变换系数的编码时,提出了新的阅值选取方案..实验结果表明,新的选取方案能够有效地增加零树的数目,从而提高图像的压缩效率.     

基于K means聚类算法的复杂网络社团发现新方法*

提出了一种基于Kmeans 聚类算法的复杂网络社团结构划分方法。算法基于Fortunato等人提出的边的信息中心度,定义了节点的关联度,并通过节点关联度矩阵来进行聚类中心的选择和节点聚类,从而将复杂网络划分成k个社团,然后通过模块度来确定网络理想的社团结构。该算法有效地避免了Kmeans 聚类算法对初始化选值敏感性的问题。通过Zachary Karate Club和College Football Network两个经典模型验证了该算法的可行性。     

基于改进聚类分析的网络流量异常检测方法

针对传统基于聚类分析的网络流量异常检测方法准确性较低的问题,提出了一种基于改进 k-means聚类的流量异常检测方法。通过对各类流量特征数据的预处理,使k-means算法能适用于枚举型数据检测,进而给出一种基于数值分布分析法的高维数据特征筛选方法,有效解决了维数过高导致的距离失效问题,并运用二分法优化K个聚簇的划分,减少了初始聚类中心选择对k-means算法结果的影响,进一步提高了算法的检测率。最后通过仿真实验验证了所提出算法的有效性。     

基于语义描述与优化的网络性能数据聚类方法

为了从多源复杂的网络性能数据中挖掘有用模式以提高网络服务质量,研究了基于本体的网络性能监测数据聚类分析方法。阐述了网络性能监测数据的语义描述方法,提出基于语义和属性数据相融合的网络性能数据相似性度量模型,并给出基于改进k-means的NJW谱聚类算法。通过在UCI数据集和校园网性能监测数据集上的实验表明, 本文所提方法较相关比对方法具有更高的聚类准确性和区分度。     

基于手机定位信息的地铁乘客出行路径辨识方法

针对复杂轨道网络环境的下出行路径选择问题,传统方法采用理论推算往往与实际偏差较大。基于手机定位信息的出行路径辨识方法,利用手机用户在无线通信网络中产生的信令事件数据,根据其在地铁中的正常位置更新规则得到出行路径,针对信令数据存在缺失的情况,以用户的其他信令事件数据及K短路校核法,对路径的有效性进行检测,进而得到实际出行路径。实测结果表明,用该方法得到的用户出行路径与真实路径偏差较小。。     

Deep Mining of Redundant Data in Wireless Sensor Network Based on Genetic Algorithm

Mining effective data from wireless sensor network node data is one of the main subjects in studies concerning wireless sensor network data processing. Wireless sensor network data are muli-dimensional and dynamic. Generally, data mining technology cannot satisfy the requirements of wireless sensor network. A large amount of accumulated and redundant wireless sensor network monitoring data reduces the efficiency of data processing. To solve the above problems, this study proposed a data mining algorithm, which integrated rough set algorithm and genetic algorithm to mine redundant data in node network data. The results of the simulated calculation based on MATLAB platform suggested that the identification rate, false accept rate and reject rate of the proposed algorithm were 94.65, 1.753 and 2.331%; compared to network data mining algorithm based on improved genetic algorithm, it has higher efficiency and accuracy in data mining. The algorithm could effectively excavate redundant data in wireless sensor network and optimize the operation environment of wireless sensor network. The application of the rough set and genetic algorithm based data mining algorithm in wireless network has a promising prospect.     

SDN网络中基于业务划分的路由选择机制

软件定义网络(SDN)是一种新型的网络架构,其路径是根据全局网络拓扑计算得到的。然而,当前SDN网络中依然存在负载不均衡和不能满足网络流量QoS要求的问题。为此,根据SDN控制器掌握全局网络信息的特点,结合网络感知功能和基于流量的业务划分,利用K最短路径算法,提出一种基于业务划分的路由选择机制。实验结果表明,该机制能够为不同业务类型的数据流选择一条最能满足其QoS要求的路径,并使整个网络达到负载均衡,进而提高了底层网络资源的利用率。     

异构大数据网络的多维关联细粒度数据挖掘算法

为了解决具有密度高、关联复杂的异构大数据网络的数据挖掘效率低下问题,基于多维关联架构,结合细粒度控制提出了数据挖掘算法.首先,在异构大数据网络存储与转发、处理的数据个性特征和差异化的基础上,给出了异构大数据网络数据定义和多维关联模型.接着,基于大数据网络多维关联初始化进程,通过大数据单位重构、维度置换、细粒度化和粒度均衡等,提出了多维关联细粒度数据挖掘算法.最后,通过与粗粒度算法、线性化结构数据挖掘算法对比了在不同网络规模和数据规模下的执行效率.实验结果表明,所提算法具有更佳的执行效率.     

基于v-结构和邻居集的启发式贝叶斯网络结构学习方法

针对K2算法存在的序依赖性问题,提出了能够从给定数据集中有效学习变量序的启发式算法(H-vnK2)。具体而言,基于PC算法学习的v-结构知识以节点块的形式快速准确修正部分父子节点顺序,获得部分节点的最优序;基于PC算法学习的邻居集知识以距离阈值启发式策略进一步从全局最优角度修正父子节点顺序,获得所有节点的最佳序。实验表明,在标准数据集Asia、Alarm网络上,所提算法显著优于对比算法,其中与性能最好的基于因果效应的方法相比,准确率平均提升了7%,增量最高能达到33.3%,可以学习到更准确的网络结构。     

基于小波分析的网络通信大数据谱聚类算法研究

传统谱聚类算法存在聚类效果差的缺陷,为此提出基于小波分析的网络通信大数据谱聚类算法研究。采用小波分析方法对采集到的电网通信网络大数据的相异性进行度量,将得到的相异性度量结果转换为数据之间的相似性,并对网络通信大数据相似性关系进行构建,得到网络通信大数据的相似度矩阵,以上述得到的网络通信大数据相似度矩阵为基础,采用聚类算法对数据进行聚类,实现了网络通信大数据的谱聚类。通过实验可得,提出的谱聚类算法的准确率与纯度分别高出传统算法34%与21.2%,说明提出的基于小波分析的谱聚类算法具备极好的聚类效果。     

改进递归最小二乘RBF神经网络溶解氧预测

为提高溶解氧预测的准确性,将基于改进型递归最小二乘算法优化的径向基函数（ RBF）神经网络方法应用于溶解氧预测。利用K均值聚类算法进行隐层单元中心选择;利用改进型递归最小二乘算法优化RBF神经网络隐含层到输出层的权值。仿真结果表明：该方法对溶解氧的预测具有较好的非线性拟合能力,预测精度优于RBF神经网络和递归最小二乘算法优化的RBF神经网络。