一种基于BM算法的改进模式匹配算法研究

基于模式匹配的检测方法是目前入侵检测系统的一种重要方法,因此作为模式匹配方法核心的字符串匹配算法直接影响入侵检测系统的性能和效率.在研究现有算法的基础上提出一种改进的模式匹配算法--New-Search算法.该算法以BM算法为基础,通过预处理阶段处理,首末字符部分定位的思想,增加字符跳转距离,比较稳定地减少匹配过程中字符比较的次数,提高了匹配的速度和效率.     

基于灰色理论的整体模式匹配

模式匹配是Deep Web研究中的关键问题.现有的模式匹配算法都是基于两两匹配的原则,同一时刻只能比较两个属性,比较繁琐,当数据源很大时困难很大,效率不高.利用整体模式匹配的思想,提出了一种新的匹配算法.这个方法引入了灰色理论,将每个接口属性抽象成一个向量,每一个向量表示该属性在某一个模式中出现与否.通过比较两个向量各个分量的值,一次性地处理所有模式,从而从整体上分析属性之间的关联性.实验证明这种方法易于计算机实现,可以简单、高效地完成模式匹配.     

不确定XML序列匹配关键技术研究

不确定XML小枝模式匹配的关键技术包括不确定XML文档格式,互斥节点识别,实例树概率计算和概率阈值过滤.目前,不确定XML二元结构连接和整体匹配方法无法充分利用算法的特点解决关键技术问题,针对这一不足,将序列匹配应用到不确定XML小枝模式匹配,并对不确定XML序列匹配关键技术问题进行分析和证明,理论分析和实验结果表明序列匹配方法应用到不确定XML小枝模式匹配是有效的.     

浅谈字符串模式匹配的常用算法

简要叙述了字符串的定位操作即字符串模式匹配的基本概念和算法,探讨了字符串模式匹配操作的最基本的BF匹配算法以及改进以后的模式匹配的KMP算法。     

强模拟在带权有向图的扩展及其匹配结果的排序

图模式匹配是互联网海量数据库应用的关键技术。强模拟是现在一种实际应用效果较好的图模式匹配模型,但它无法对匹配结果按照重要程度排序。本文将强模拟推广到了带权有向图中,使用边的权值衡量和比较不同匹配子图或子图内部不同顶点的重要性,对匹配结果进行排序。     

基于谱方法和松弛标记的非刚性点匹配算法

谱方法是点模式匹配中一种重要的方法,但该方法对于点模式中噪声与出格点较为敏感,为克服了传统谱匹配方法存在问题,提出了一种运用谱方法和松弛标记的非刚性点模式匹配算法。该方法首先提取点模式中点的KL特征获取点与点的匹配概率,然后运用松弛标记法得到点集间明确的匹配关系;同时,为保证算法的鲁棒性,给松弛标记法定义一个匹配的目标函数,在函数的优化框架下迭代的计算匹配的最优解。本文主要从三方面对传统谱方法进行了改进:首先运用基于KL的匹配概率计算方法提高了原谱图方法抗噪方面的性能,进而在松弛标记方法框架中运用谱方法进行匹配,使算法对出格点具有更好的鲁棒性,最后融合的运用了点的谱图特征和空间分布特征,使算法在较大形变情况下仍能实现有效匹配。文章实验验证了算法的有效性。      

基于BootStrapping的中文事件元素抽取系统设计与实现

采用基于BootStrapping的方法实现中文事件元素抽取系统。其中,将事件元素抽取定义为一个模式匹配问题。针对这一问题,首先构建了初始种子集,然后创新性地引入了BootStrapping方法构建模板集,并使用模式匹配的方法进行事件元素抽取。在模板构造过程中,提出了基于BestMatch的模板泛化算法[1]。对任意两个事件实例模板[2]进行匹配,计算其匹配代价并泛化,提高了模板的覆盖能力。所实现的系统在ACE 2005语料测试中取得了不错结果。     

基于TCAM的深部包检测技术研究与实现

深度包检测技术(DPI)已成为网络信息安全的研究重点。基于硬件实现模式匹配的DPI技术凭借其更强的处理能力受到广泛关注。本文提出一种基于TCAM模式匹配的方法实现DPI,规则表项按字节分别存储在TCAM(三态内容寻址存储器)中,输入字符按不同字节与TCAM中内容进行匹配,提高了DPI中模式匹配的处理速度。针对该技术功耗大的缺点,提出BF(Bloom Filter)和TCAM相结合的两级模式匹配技术,BF可将较少可疑包转发给TCAM处理模块,从而降低了系统功耗,大大提高了系统处理速度。     

基于多层模式匹配技术的高速以太网NIDS实现方案

目前多数基于网络的入侵检测系统(NIDS)无法适用于对高速以太网链路的实时流量分析和入侵检测任务.本文在传统模式匹配方法的基础上,引入了基于协议分析的多层模式匹配概念:采用FPGA硬件逻辑对长度和偏移量相对固定的数据包包首部分进行模式匹配;采用核心态软件逻辑对长度和偏移量变化的数据包负载部分进行模式匹配.新的模式匹配技术有效提高了NIDS的整体性能.最后,本文给出了一种基于多层模式匹配的高速以太网NIDS实现方案.并对FPGA硬件逻辑和核心态软件逻辑采用的检测策略进行了详细说明.     

基于相对形状上下文和谱匹配方法的点模式匹配算法

该文提出了一种将不变特征与谱匹配方法相结合的点模式匹配算法。该算法首先提出一种新的基于点集的不变特征相对形状上下文,然后利用点集间相对形状上下文的统计检验匹配测度来定义新的相容性度量,并以此为基础构造分配图及其亲近矩阵。最后利用分配图亲近矩阵的主特征向量以及匹配约束条件来实现点模式匹配问题的求解。模拟仿真与真实数据实验验证了该文算法的有效性和鲁棒性。     

基于主成分分析的图像匹配方法研究

景像匹配和相关跟踪系统中,由于所面临的都是变化的场景,实时获取的图像与预存的基准图之间存在差异。传统的基于图像空间的匹配方法不能很好地克服这些差异给图像匹配定位带来的影响,使得完全按图像灰度特征的相关匹配应用受到限制。文中将主成分分析方法引入了图像匹配和相关跟踪过程中,提出一种能抗御一定图像畸变的基于主成分分析的图像匹配算法,并应用该方法进行了初步实验,证明该算法具有较高的匹配跟踪鲁棒性。     

基于细节点聚类的多参考中心指纹匹配算法

指纹匹配算法的好坏直接影响识别系统的精度。提出了一种新的基于细节点聚类的多参考中心指纹匹配算法，在两枚指纹对齐阶段，不仅考虑了指纹的全局特性而且根据不同的细节点类自适应地构造不同的局部结构．有效地利用了一些孤立但信息量较大的细节点，提高重叠区域内细节点较少且分散的情况下对齐的准确性。在匹配阶段。多参考中心的使用和相似元分析的结合能在一定程度上克服指纹非线性形变的影响，降低了匹配算法的拒识率。实验结果表明该方法提高了匹配的性能。     

分块思想在汽车牌照粗定位中的应用

分块思想,是相对于模板匹配而言的一种图像处理思想。它是采用相对静止的方式进行图像匹配,首先根据待匹配图像的某些特征选择块的尺寸,对整幅的图进行分块,利用某些特征值来进行匹配。在以往的车牌定位算法中,有很多文献提出利用模板匹配方法进行车牌定位的思想,但是由于模板匹配方法本身存在计算量大的缺点,直接明显地影响到车牌定位速度,无法满足车牌照自动识别系统的实时性要求,所以本文提出把分块思想应用到车牌照粗定位过程中,利用车牌区域字符自身的一些纹理特征,采用固定分块划分出若干大小相同的特征区域,在各区域内通过水平差分突出垂直方向纹理特征,寻找水平差分累加值最大的区域即为车牌的大致位置,这样就大大提高了车牌定位速度,同时也为后续的车牌精确定位奠定了基础。     

基于模式匹配法的波导滤波器分析

采用模式匹配法对波导滤波器的不连续性进行了分析,给出了模式匹配法分析波导滤波器的基本步骤,并用Matlab编写了用于计算波导滤波器S11和S21参数的模式分析程序,最后对波导对称H面膜片滤波器的S11和S21参数特性进行了计算,并对仿真结果进行了分析,总结了应用模式匹配法分析波导滤波器时应注意的一些问题。     

基于小波多尺度表示的图像匹配研究

根据小波变换系数对信号平移步长的变化规律,提出一种基于小波金字塔结构的、遍历式的图像匹配方法,这种方法消除了由于小波变换对平移的敏感性所引起的误匹配,在匹配策略上,以小波分解高频分量的匹配为主。实验证实,本匹配方法对实时图和参考图的局部灰度反转不敏感,具有一定抗几何失真的能力,优于经典的灰度相关匹配。     

基于SIFT特征的两阶段procrustes迭代匹配算法

以得到尽量准确的图像SIFT(Scale Invariant Feature Transform)特征点之间的匹配关系为目的,给出了一种基于SIFT特征的两阶段procrustes迭代匹配方法。该方法首先基于图像SIFT描述向量得到图像SIFT特征点之间的初始匹配关系,初始匹配的特征点之间存在较多的错误匹配特征点对,然后利用特征点之间全局的几何约束采用第一阶段的procrustes迭代匹配方法去除错误匹配的特征点对,这时部分正确的匹配特征点对也可能被去除,最后利用另一个procrustes迭代匹配过程找回被去除的正确匹配特征点对。仿真实验表明,本文的方法有效去除了SIFT描述向量匹配中存在的错误匹配点对,并能找回被去除的正确匹配点对,得到图像特征点之间正确的匹配关系。      

基于Mask R-CNN的ORB去误匹配方法

为了提高多目标图像的ORB匹配的正确率,提出一种基于Mask R-CNN的图像ORB去除误匹配方法,该算法首先通过Faster R-CNN方法对图像进行识别,运用区域推荐网络得到矩形框标注的感兴趣区域和类别标签,该步骤可以得到感兴趣区域的预测类别和坐标信息,并且通过全卷积网络卷积层进行像素级别校正,得到像素级别的目标所属类别,然后进行目标分割。最后在原有ORB特征点匹配基础上,剔除两幅图像中相同目标分割区域以外的误匹配点。为了验证该方法的有效性,对传统ORB匹配与基于本文方法的ORB匹配进行了仿真实验。改进后的算法,使得在多目标环境下的目标的匹配精度提高了约18.6%,结果表明,本文算法较传统的ORB匹配算法的精度有一定提高。     

基于相似三角形匹配的红外与可见光图像配准方法

提出了一种基于相似三角形匹配的红外与可见光图像配准方法:首先将提取出的Harris角点组成三角形,然后利用本文提出的搜索算法,从红外与可见光图像中找出一对最优的相似三角形,并利用相似三角形的性质,计算出相关的匹配点,最后通过RANSAC算法拟合出配准参数,对图像进行配准。实验结果证明:此算法与传统的基于特征点的图像配准方法相比精度更高,具有较强的鲁棒性,可以解决刚体变换下红外与可见光图像配准的问题。     

基于SURF的图像匹配算法改进

在图像匹配中,SURF算法采用最邻近与次邻近欧式距离比查寻匹配点,当阈值过大时,这种方法会产生大量误匹配点,从而严重影响图像配准的精度。RANSAC算法是一种有效剔除误匹配点的方法,但需要人工确定部分参数值。提出一种多层次图像匹配方法,不仅能够剔除误匹配点还可以无需人工参与完成图像匹配。实验表明,该匹配方法能够精确提取匹配点和实现自动匹配,很好地满足图像配准的要求,具有一定的应用价值。     

基于链码的肿瘤CT图象层间轮廓线最佳点匹配技术的研究

本文利用链码理论对已获取的肿瘤层间轮廓线进行编码,将二维轮廓线转化为包含轮廓形状信息的一维链码;采用一种基于链码的匹配技术来完成相邻层轮廓线点匹配,从而建立起其间的对应关系并用于后期的三维重建.本文首先对模式识别中链码的串匹配算法作了一个简要的介绍,并详细分析了应用链码技术获取相邻轮廓间点对应关系的关键难点,使其能够适用于本文的工作.该方法的计算复杂度近似于M*N(M和N分别为相邻轮廓线顶点的数目).并用实际的肿瘤图象进行实验,结果表明了该方法的有效性.