共查询到20条相似文献,搜索用时 37 毫秒
1.
2.
本文分析了高速公路收费系统(ETCS)中非接触IC卡一卡一密的安全机制,提出了一种改进的动态密钥机制, 实现非接触IC卡一次一密和卡内收费信息的验证。该机制较好地弥补了一卡一密制存在的不足。 相似文献
3.
刘丽 《电子产品维修与制作》2010,(12):99-100
随着企业规模的不断扩大,人员增加是在所难免了,因此增加电脑也是在所难免了,每增加一台电脑,我们就得安装一次系统,而安装系统这事又急不得,总得跟着安装光盘的提示一步一步来,虽然现在电脑硬件比以前好很多了,但安装一次系统很容易就一两个小时过去了。 相似文献
5.
去年有一件感动英国的事情,一个手机推销员唱了一首《今夜无人入眠》,结果不仅让自己一炮而红,而且还让全世界心比天高命比纸薄的人们无法入眠,他感动了全世界。这是一个从来都存在的灰姑娘的故事,只是这次改成了一个胖子,一个叫Paul Potts的小子,他现在出版唱片了,他不再去卖手机了,他手机里的彩铃已经变成了《今夜无人入眠》,不过我昨天给他打电话的时候,彩铃已经改成了这首《Time To Say Goodbye》,哈哈!开个玩笑,和一段人生说再见,也是一种境界。 相似文献
6.
8.
9.
我经商不久,一位老前辈讲了这个故事.
一个小镇上,有一家高档的点心铺.一天,一个乞丐要买一个豆沙包,店里的小伙计犯愁了,豆沙包都是一袋一袋卖的,怎么分开来卖一个给乞丐呢? 相似文献
10.
2月22日上午,黑龙江省总工会副主席孙永成带领省城市"一帮一"扶贫解困工作检查组一行4人,来我局检查指导工作。我局副局长、"一帮一"领导小组副组长姜延吉,以及机关党委、党支部的部分代表参加了会议。会上,检查组成员了解了我局的基本概况,听取了城市"一 相似文献
11.
针对传统模糊C-均值聚类算法对复杂的医学、遥感图像难以获得满意分割效果问题,将图像模糊C-均值聚类引入图像分割问题研究中,提出了基于直方图的图像模糊聚类快速分割算法。将越南学者Le提出的分布式图像模糊聚类算法目标函数进行简化,得到图像模糊聚类算法目标函数;采用拉格朗日乘子法获取其迭代求解所对应的隶属度、中立度、拒分度和聚类中心表达式,设计图像模糊聚类算法并对其收敛性进行了证明。通过复杂医学和遥感图像的分割测试结果表明,新的分割算法相比现有的模糊C-均值聚类分割算法和直觉模糊C-均值聚类分割算法具有更好的分割性能。 相似文献
12.
基于邻域广义模糊聚类算法能够分割含噪声灰度图像,但是如果图像灰度分布不均衡或者起始的聚类中心设置不合适仍会导致该算法分割失败,为此,提出一种基于混沌优化和改进模糊聚类算法相融合的图像分割算法.首先,将每一类的隶属度之和引入基于邻域广义模糊聚类算法的目标函数中,从而能够均衡较大类和较小类对目标函数的贡献.其次,以新目标函数为基础,利用拉格朗日乘子法推导出相应的隶属度和聚类中心.再次,将混沌优化和改进模糊聚类算法联合得到最优解,即最合适的聚类中心,细节上,每一代的聚类中心分别由混沌系统和改进模糊聚类算法两种路径产生,具有较小目标函数的聚类中心进入下一个迭代进程.最后,利用具有不平衡特性的无损检测图像进行实验,结果表明本文算法具有更高的分割准确率和更好的视觉效果. 相似文献
13.
14.
15.
提出了一种基于非下采样Contourlet变换和模糊C均值聚类相结合的方法。该方法首先对两时相遥感图像进行相减运算得到差异图像。再对差异图像进行NSCT多尺度分解得到子带图像,将各子带图像与差异图像本身构成特征向量。最后通过使用模糊C均值聚类算法对多尺度特征向量进行分类得到最终的变化检测结果(变化和非变化类)。该算法不受变化类和非变化类统计分布的限制,不需要先验知识,适用性强。对真实遥感数据集进行研究,实验结果表明本文方法可以得到较好的检测效果;将本文算法与传统方法相比,该方法具有更好的检测精确度和抗噪性能。 相似文献
16.
提出了一种结合模糊聚类与区域合并的无监督彩色图像分割方法.首先,根据彩色图像建立对应的三维直方图,运用爬山法得到初始聚类中心和聚类数;然后,运用基于空间邻域像素的模糊均值聚类算法对图像在颜色空间进行聚类,得到初始分割结果;最后,应用提出的区域合并算法合并图像初始分割结果得到最终分割图像.仿真结果表明,算法的分割结果与人的主观视觉也有较好的一致性. 相似文献
17.
改进的模糊核C-均值算法 总被引:1,自引:2,他引:1
将核方法的思想推广到模糊C-均值算法,提出一种改进的模糊核C-均值算法。改进的模糊核C-均值算法较以前的模糊核C-均值方法有更好的鲁棒性,不但可以在有野值存在的情况下得到较好的聚类结果.而且因为放松的隶属度条件,使最终聚类结果对预先确定的聚类数目不十分敏感。改进的模糊核C-均值算法在多种数据结构条件下可以有效地进行聚类。 相似文献
18.
在传统的聚类分析中,通常需要针对给定的数据选择出正确或合理的类别数,否则算法无法得到理想的聚类分析结果。当采用竞争学习(Competitive Learning, CL)算法进行聚类分析时也面临着同样的问题。然而,一般数据集中实际聚类个数(或竞争单元个数)的推断与选择却是一个十分困难的问题。为了解决这一难题,对手惩罚竞争学习(Rival Penalized Competitive Learning, RPCL)算法建立了一种有效的思想和方法。它通过预设较大的聚类个数,在竞争学习中引入了对手惩罚的机制,自动地选择出正确的聚类中心与个数,并将多余的聚类中心排除到无穷点或远离数据的地方。这种独特的思想和方法为聚类分析开辟了一条崭新的途径。本文将深入分析RPCL算法的理论发展,包括产生的根源及其思想、理论基础、在不同情况下的推广和变式,并且总结了RPCL算法在各个领域中的应用。 相似文献
19.
为解决城市道路中相邻车辆聚类精度低的问题,本文提出了一种改进的密度峰值模糊聚类算法。首先,该算法使用自适应椭圆距离代替欧式距离,并在决策图中引入指数函数曲线选择密度峰值点,以确定初始聚类中心和聚类数目;接着,将初始信息代入模糊C均值(FCM)聚类算法中,经迭代计算取得一次聚类结果;最后,根据雷达数据中同一辆车的数据点速度差值极小、不同车辆的速度差值相对较大这一特征,引入和速度相关的目标函数,并通过迭代计算取得最终的聚类结果,以对一次聚类结果进行修正。根据真实道路测量数据的实验证明,本文提出的聚类算法精度高、鲁棒性好,能正确聚类城市道路中相邻的车辆目标,具有更好的聚类效果。为道路中车辆的跟踪、交通状态预估等处理提供可靠、准确的目标信息,大大减少后续工程的计算量。 相似文献
20.
基于蚁群算法的模糊C均值聚类的改进研究 总被引:1,自引:0,他引:1
在图像分割的研究中,模糊C均值(FCM)聚类算法较之前的硬聚类有了很大的改进,是一种基于函数最优方法的聚类算法,然而传统的FCM算法的聚类中心及个数难以确定,搜索过程易陷入局部最优。因此,提出一种基于蚁群算法的改进的FCM聚类算法。该算法利用了蚁群算法全局优化特征以及较强鲁棒性的特点,将通过蚁群算法得到的聚类中心及个数应用到传统FCM算法中,弥补了传统FCM聚类算法的不足。该算法对图像进行分块处理,并引入多尺度梯度,提高了图像分割的准确性,最后通过实验验证了该算法的有效性及实用性。 相似文献