海德堡视网膜断层扫描仪的三维点云去噪方法研究

双边滤波法可以对海德堡视网膜断层扫描仪(HRT)扫描获得的三维点云数据进行有效的去噪处理。该算法在去噪的同时保留了图形的特征信息,缺点是多次迭代计算耗费了大量时间,所以该算法无法直接运用到实际的诊断中。邻域均值算法对位于某点一定邻域内所有点的Z坐标做均值处理,且根据距离中心点的远近取不同的权值,也能对图形进行去噪处理,只是单独使用虽耗费时间较少但效果远不及双边滤波算法。因此,本文提出采用邻域均值法作为双边滤波算法去噪的预处理。研究发现,该方法在保留图形特征的同时,并且在相同去噪效果的前提下可以显著减少计算时间,提高运行效率。     

医学图像感兴趣区域的自动提取*

针对医学图像归档与通信系统通过视频采集和胶片扫描产生的海量图像数据,提出了一种感兴趣区域自动提取和归一化的预处理算法。该算法具有时间复杂度低,无须人工干预,不会对提取的感兴趣区域图像数据造成任何损耗等特点,适合海量医学图像数据库的批量处理。将其应用于基于图像内容的归档与查询算法中,作为图像提取特征前的预处理算法,实验数据证明较传统直接针对原始采集图像,可有效改善特征提取准确度,提高查询精度。     

反原形向量化与拟离散性

如何利用循环体诸如初值、终值、步长和下标式等数学对象的诸如恒等、正负、单调性一类的数学特征,按照严格推导出来的简单规则,绕过各种复杂的数据依赖关系图及其上诸如拓扑排序或等价变换等复杂的操作,直接从事向量化处理,这是极富实用价值的研究方向.文献[2,3,5]给出的可原形/准原形算法,以及本文的可反原形与拟离散性,正是这样的捷径.它们能使相当部分的常见循环,直接向量化.     

残差初值的自适应估计

本文通过对工程上常用的残差初值选取方法--均值法统计特性的深入分析,揭示了残 差初值问题的重要性.在研究了均值法和最小二乘法等两种简单残差初值估计方法统计特性 的基础上,得到了一种简单、实用、附加计算量小、统计特性优良的残差初值估计方法.该方法 的特点是能自动根据系统参数的变化来调整残差初值算法的参数,保证残差初值估计的优良 统计特性.     

数据仓库粒度的估算

近些年由于大数据的出现,传统的数据库技术在某种程度上难以承担对大数据的查询和储存的需求,人们对数据的查询和存储技术提出了更新和更高的标准.由此在数据库技术的基础之上出现了数据仓库,当人们设计数据仓库时,粒度级别的确定是数据查询和储存的重要因素.目前对粒度级别的确定主要采用的是估算算法,对粒度的估算具有一定的模糊性,在查阅了某些粒度的估算算法和文献之后提出了一种以MMTD算法为主算法的粒度级别估算算法.提出的算法思想是:对粒度的最大行数和最小行数进行初步的估算,将实际行数与估算的最大行数与最小行数进行比较,来确定实际的粒度级别,是高粒度还是低粒度[1].     

基于地理加权回归模型遥感近地表气温估算

利用地理加权回归模型（Geographically Weighted Regression, GWR），考虑近地表气温与自变量之间的空间非平稳性，实现重庆市近地表气温的估算。并将估算结果与地表温度-植被指数模型（Temperature-Vegetation Index, TVX）和普通线性回归模型（Ordinary Least Square, OLS）估算结果进行对比分析。研究结果表明，3种算法估算的近地表气温与站点实测数据空间分布趋势保持一致，但不同日期GWR算法估算的近地表气温与站点实测值间的RMSE均低于OLS和TVX算法，其中TVX算法估算值与实测值间的RMSE均值为2.83℃；OLS算法RMSE均值为1.65℃；GWR算法RMSE均值为1.58℃。此外，各验证站点处GWR算法估算的近地表气温与实测值间的差值（Temperature Deference, TD）的标准差以及绝对值的均值均小于OLS和TVX算法，体现出GWR算法在复杂地表环境下近地表气温的估算优势。     

基于内容的多媒体数据库管理系统的研究

通过分析数据库的数据模型,研究基于内容的多媒体数据库管理系统的构建方法及其功能框架,采用PL／SO．L方式访问Oracle8i数据库。为了提高管理系统的图像检索速度,提出了一种基于内容的图像检索算法,从聚类中心初值选取和分类中心的更新方面改进C-均值聚类算法,较好地解决了图像的分类问题。实验表明：使用该聚类检索算法,能对分类中心进行快速更新,有效地对图像进行聚类以及缩短检索时间,检索性能优于现有的C-均值聚类算法。     

基于内容的多媒体数据库管理系统的研究

通过分析数据库的数据模型.研究基于内容的多媒体数据库管理系统的构建方法及其功能框架,采用PL/SOL方式访问Oracle 8i数据库.为了提高管理系统的图像检索速度,提出了一种基于内容的图像检索算法,从聚类中心初值选取和分类中心的更新方面改进C-均值聚类算法,较好地解决了图像的分类问题.实验表明:使用该聚类检索算法,能对分类中心进行快速更新,有效地对图像进行聚类以及缩短检索时间,检索性能优于现有的C-均值聚类算法.     

从空间数据库发现聚类：一种基于数学形态学的算法

聚类算法能从空间数据库中直接发现一些有意义的聚类结构而不需要背景知识，是空间数据发掘和知识发现的重要手段。在分析已有聚类算法的基础上，提出了一种基于数学形态学的聚类算法，该算法能够处理任意形状的聚类，采用启发式方法自动确定最优聚类数。同时，该算法也可以在矢量型空间数据库中得到实现。试验表明算法是可行和有效的，且能处理存在噪音的数据。     

K均值和中值滤波混合算法及其递归实现

针对标准中值滤波算法边缘保持能力较差的缺点,设计了K均值中值滤波算法和递归K均值中值滤波算法。使用K均值方法将中心像素点的邻域数据序列分成两类,将该像素点所属的这类数据的中值作为输出。为了加快算法的速度,提出了两个阈值T_L和T_H,保证在不影响结果精确性的同时尽量减少处理时间。传统的K均值算法耗时较高,论文的另一个改进是对K均值的优化处理,大大缩短了算法的处理时间。实验证明改进算法具有较好的噪声抑制能力和边缘保持能力。     

一种面向模糊测试的GUI程序空转状态实时检测方法

针对当前Windows下GUI软件模糊测试过程中由于进入空转状态时刻判断不准确导致的测试效率降低的问题,本文利用自然语言处理方法的在函数执行迹的基础上来解决空转状态识别问题.论文首先分析了传统程序分析方法在空转状态判断上遇到的困难,提出了基于Bi-Gram模型以及统计分析的空转状态识别方法.通过Bi-Gram算法将程序函数执行迹转换为概率特征序列;利用空转状态在特征序列中的方差特征将空转状态特征序列从程序特征序列中分离,在此基础上进一步提取空转状态特征并实现空转状态实时检测算法.通过对典型源码与二进制软件程序的实验测试表明,本方法在效率和准确性上较传统方法上更优,能支撑对GUI程序模糊测试的需求.     

初始聚类中心优化的k-means算法

传统的k-means算法对初始聚类中心敏感，聚类结果随不同的初始输入而波动。为消除这种敏感性，提出一种优化初始聚类中心的方法，此方法计算每个数据对象所在区域的密度，选择相互距离最远的k个处于高密度区域的点作为初始聚类中心。实验表明改进后的k-means算法能产生质量较高的聚类结果，并且消除了对初始输入的敏感性。     

A fast predictive algorithm with idle reduction for heterogeneous system scheduling

A heterogeneous task scheduling algorithm called Predict and Arrange Task Scheduling (PATS) algorithm was proposed to achieve a lower bound time complexity with minimum schedule length. Two major steps were introduced, i.e. earliest finish time with level-based task scheduling and idle slot reduction. In the first step, tasks are scheduled according to their predicted earliest finish time from the candidate task list and their dependencies. Scheduling is performed one level at a time starting from top level and transcend downward. In the second step, the idle time slots in each processing unit are minimized. Two sets of experiments were designed to evaluate the merits of proposed algorithm. The first experiment involved the task graphs used by other methods. These graphs are all synthesized. The second experiment concerned the task graphs derived from real world applications such as montage work flow, molecular dynamic code. The experimental results showed that the PATS algorithm yielded better average schedule length ratio, running time, and efficiency than the compared algorithms.     

优化初始聚类中心的K-means聚类算法

针对传统K-means算法对初始中心十分敏感,聚类结果不稳定问题,提出了一种改进K-means聚类算法。该算法首先计算样本间的距离,根据样本距离找出距离最近的两点形成集合,根据点与集合的计算公式找出其他所有离集合最近的点,直到集合内数据数目大于或等于[α]（[α]为样本集数据点数目与聚类的簇类数目的比值）,再把该集合从样本集中删除,重复以上步骤得到K（K为簇类数目）个集合,计算每个集合的均值作为初始中心,并根据K-means算法得到最终的聚类结果。在Wine、Hayes-Roth、Iris、Tae、Heart-stalog、Ionosphere、Haberman数据集中,改进算法比传统K-means、K-means++算法的聚类结果更稳定;在Wine、Iris、Tae数据集中,比最小方差优化初始聚类中心的K-means算法聚类准确率更高,且在7组数据集中改进算法得到的轮廓系数和F1值最大。对于密度差异较大数据集,聚类结果比传统K-means、K-means++算法更稳定,更准确,且比最小方差优化初始聚类中心的K-means算法更高效。     

一类图像并行处理的理论最优化调度方法

在图像并行处理应用中，有很大一部分并行算法是属于迭代同步的数据并行算法。这类分布式应用的子任务间需要某种形式的同步，因而要有协作调度的算法保证子任务基本上同时开始，并以同样速度执行。该文提出了一种以并行程序最短执行时间为目标的数据划分和任务协作调度算法。与其它类似算法相比，这个算法的最大特点是考虑了通信开销，因而更加符合实际的应用，更加有效。     

一种改进的多无线传感器数据分批估计自适应加权融合算法

为解决温室大棚中多无线传感器监测数据融合精度低的问题,提出了一种改进型的分批估计自适应加权融合算法。算法首先对单个无线温度传感节点一段时间内所采集的数据根据容许函数阈值剔除误差较大的数据,然后对该温度传感器的数据进行分批估计得出该节点某一段时间内的最优估计值,以此得到该区域所有无线温度传感节点最优估计值后,依据权值最优分配原则对每组传感器数据进行组内自适应加权融合,从而计算得到该段时间内温室大棚的温度精确值。通过实验验证得出：相对于平均值法与传统的分批估计算法,本算法数据融合易于实现,融合值相对误差值更低,稳健性更好。     

A best possible deterministic on-line algorithm for minimizing makespan on parallel batch machines

We study on-line scheduling on parallel batch machines. Jobs arrive over time. A batch processing machine can handle up to B jobs simultaneously. The jobs that are processed together form a batch and all jobs in a batch start and are completed at the same time. The processing time of a batch is given by the processing time of the longest job in the batch. The objective is to minimize the makespan. We deal with the unbounded model, where B is sufficiently large. We first show that no deterministic on-line algorithm can have a competitive ratio of less than 1+(?{m²+4}-m)/21+(\sqrt{m^{2}+4}-m)/2 , where m is the number of parallel batch machines. We then present an on-line algorithm which is the one best possible for any specific values of m.     

扩展job shop模型的启发式批量流水线调度算法

提出了改进的job shop模型,定义了工作中心以及关键节点的概念。将流水线与批量调度策略引入到新的模型中,并在此基础上提出了一个关于扩展job shop模型的启发式批量流水线调度算法。在关键节点进行选择时,通过回溯计算其余产品的开始时间,使用贪心算法选择优先级最高的产品进行排序。该优先级法则由三个优先级变量组合而成,分别囊括了价值高低、时间紧要程度以及剩余加工时间这三个影响因素。进行加工时,设定最小加工批量,在一个工序内实现多套设备的并行加工,同时在两个相邻工序之间实现流水线加工,从而缩短加工时间,提高了生产效率。通过仿真表明该策略能取得较好的结果。     

Scheduling hybrid flowshop with parallel batching machines and compatibilities

This paper considers a two-stage hybrid flowshop problem in which the first stage contains several identical discrete machines, and the second stage contains several identical batching machines. Each discrete machine can process no more than one task at time, and each batching machine can process several tasks simultaneously in a batch with the additional feature that the tasks of the same batch have to be compatible. A compatibility relation is defined between each pair of tasks, so that an undirected compatibility graph is obtained which turns out to be an interval graph. The batch processing time is equal to the maximal processing time of the tasks in this batch, and all tasks of the same batch start and finish together. The goal is to make batching and sequencing decisions in order to minimize the makespan. Since the problem is NP-hard, we develop several heuristics along with their worst cases analysis. We also consider the case in which tasks have the same processing time on the first stage, for which a polynomial time approximation scheme (PTAS) algorithm is presented.     

基于实时步长匹配的行人室内定位方法

针对室内定位研究中行人航位推算（PDR）算法的传统步长模型无法充分反映个体差异性的问题,提出一种以卫星测距为基础,建立个体步长特征数据库代替步长模型的方法. 在室外将卫星测距应用到步长测算中,建立不同速度特征与步长的对应关系. 在室内,改进了K-最近邻（KNN）算法,对跨步进行实时步长匹配,结合方向信息计算出行人的当前位置. 实验结果表明,室内定位最大误差距离可以控制在4%以内,平均绝对误差距离可以控制在2%以内,定位精度较传统步长模型有较大提高.