一种基于样本有效性和KNN分类标记的采样传播型抠图方法

传统的采样传播型抠图方法都是先对图像进行采样抠图处理再传播抠图处理,没有根据样本的有效性对图像区域进行区分处理.为此,提出一种自适应的采样传播抠图方法,根据样本的有效性决定未知区域使用采样抠图处理还是传播抠图处理.该方法使用采样抠图方法对未知区域进行处理,并提出一种样本有效性综合判定方法对结果进行判定,通过判定的采样抠图结果将作为第1类初始矩阵数据输入传播抠图;对于未能通过判定的区域,提出一种基于KNN分类器标记方法进行处理,处理结果作为第2类初始矩阵数据输入传播抠图,该标记方法用于提高图像的传播性,从而提升后续传播抠图方法的抠图质量;在后续的传播抠图处理步骤中,针对不同的数据来源设定不同的权值,最终结果由传播抠图方法来完成.文中通过定性观察和定量分析相结合的方式对实验结果做出评价,并通过在线标准评价对实验结果进行评估.实验结果证明,文中方法不仅能够在有效样本缺失和图像结构复杂的情况下取得不错的抠图效果,而且具有很高的运算速度.     

基于数字签名与Trie的保序子矩阵约束查询

目前基因芯片技术飞速发展,促使生物学家积累了大量的在不同实验条件下的基因表达数据.事实证明基因芯片数据分析在理解基因功能、基因调控和分子生命过程中发挥着重要作用.保序子矩阵（OPSM）是基因芯片数据分析技术中一种有效的模型,其可以发现在部分基因和不同实验条件下具有相同表达趋势的聚类.在分析基因表达机理过程中,OPSM的检索无疑节省了生物学家的时间与精力.目前OPSM的查询主要是基于关键词的检索方法,但是分析者对结果具有微弱的控制力.通常分析者所能决定临时的参数设置往往偏离其领域知识,致使检索结果与真实想要结果相去甚远.为了解决上述问题,本文提出两类基于数字签名与Trie的OPSM索引与约束查询方法.在真实数据上进行了大量的实验,实验结果表明所提出方法具有良好的有效性与可扩展性.     

基于卷积神经网络的仿鼠脑海马结构认知地图构建方法

针对融合视觉信息的仿鼠脑海马模型闭环检测精度较低、地图构建不准确的问题,文中提出基于卷积神经网络的仿鼠脑海马结构认知地图构建方法.利用改进的卷积神经网络模型提取视觉输入特征,融合空间细胞计算模型得到位置信息,并构建认知地图.基于汉明距离计算视觉信息与视图库中图像的相似度,实现对复杂动态环境中熟悉场景的识别,完成机器人在环境中的定位及位置纠正.仿真与物理实验验证文中方法的有效性与鲁棒性.     

心理认知计算的研究现状及发展趋势

心理认知计算是智能化人机交互技术的一个重要组成部分,近年来得到广泛的关注。文中综述国内外心理认知计算的研究进展。首先介绍心理认知计算的相关概念,详细叙述心理状态理解的研究内容和机制。其次总结心理认知的神经生物学研究成果,对心理情感状态和心理认知状态的研究现状进行了比较,从模式提取和模型建立两方面对心理认知在人机交互中的发展趋势作了分析,提出多模态信息融合的多层级心理状态视觉认知计算模型框架。最后讨论研究心理认知计算的重要意义和当前存在的主要困难。     

社交网络中的虚假信息:定义、检测及控制

近年来,社交网络上虚假信息传播愈演愈烈,在政治、经济、心理学等方面造成了严重的社会影响.有效检测社交网络中的虚假信息并对其实施控制,是改善社交网络生态系统质量的重要手段,能为人们营造一个安全、可信的网络环境.文中首先通过调研近年来国内外社交网络虚假信息领域的代表性研究,针对虚假信息中的假新闻和谣言,梳理并给出其定义、特征及传播模型,然后介绍了目前虚假信息检测及传播控制的各种手段及方法,最后总结并分析了目前的检测及控制方法中仍存在的问题,继而进一步探讨和提出了该领域未来的研究方向.     

认知无线网中基于大数据分析的感知时间与功率优化研究

随着无线网络的迅速发展,信息社会进入了大数据时代.无线网络数据爆发式的增长和频谱的稀缺影响着网络的通信效率.为了降低认知无线网中认知用户对主用户的干扰,并为了最大化系统的认知吞吐量,通过大数据技术分析最优感知时间与最优功率的分配,从而最大限度地优化认知网络,最大化认知无线网络的认知吞吐量.提出了一种基于大数据分析优化感知时间与功率的方案,单独分析了两个参数,通过大数据技术联合两者优化,确定了最优感知时间与功率.与传统穷举方案相比,所提方案认知用户的收益更高,且复杂度较低.     

信息传播建模仿真中的心理模型研究

研究谣言等信息的传播机理,可以为危机管理等社会应用提供重要的理论依据和技术支持.鉴于信息传播中个体心理因素对传播过程、效果等的重要影响,提出了以态度为核心的心理模型建模思想,并针对信息传播过程中个体交流模式的不同,建立了基于直接交流的不对称影响函数心理模型,以及基于间接交流的非线性描述心理模型.模型运行结果显示,所建立的模型符合人类心理变化的基本规律,能较好地表现信息传播时个体对信息刺激所做出的心理反应,为信息传播中Agent的心理变化提供了可以描述的机制.     

基于贝叶斯和谐度的层次聚类

层次聚类是一种重要的数据分析技术。传统的层次聚类方法大都采用欧式距离度量类之间相似度,不能有效处理类之间重合和类密度变化大的情况。文中提出一种基于贝叶斯和谐度的层次聚类方法,采用和谐度增幅代替传统层次聚类方法采用的欧式距离。贝叶斯和谐度取自于贝叶斯阴阳和谐学习理论,能衡量整个数据的分布情况和指导选择合适的类别数。文中方法根据和谐度的变化来度量类之间的相似度,能克服传统层次聚类的缺点;同时更易选择阈值终止层次聚类的合并,从而产生合适的类别数。最后通过两个实验验证文中方法的有效性。     

适用于区间数据的基于相互距离的相似性传播聚类

符号聚类是对传统聚类的重要扩展,而区间数据是一类常见的符号数据。传统聚类中使用的对称性度量不一定适用于度量区间数据,且算法初始化也一直是干扰聚类的严重问题。因此,提出了一种适用于区间数据的度量--相互距离,并在此度量的基础上采用了一种全新的聚类方法--相似性传播聚类,解决了初始化干扰问题,从而得出了适用于区间数据的基于相互距离的相似性传播聚类。通过理论阐述和实验比较,说明了该算法比基于欧氏聚类的K-均值算法要好。     

基于点的全局光照绘制方法综述

全局光照的计算是真实感绘制的重要部分,基于点的全局光照算法(PBGI)是一种高效的全局光照计算方法,虽然该方法绘制质量有偏,但以其快速高效、无噪声而被广泛地应用于影视动漫行业.文中总结了PBGI相关工作,并将其分为更复杂的绘制效果、基于点的绘制优化、基于众核的加速优化和PBGI存储优化4类方法进行对比分析;进一步地,从绘制速度、绘制质量、算法并行度、绘制场景规模和算法实验难度5个方面对上述4类PBGI方法进行对比分析;最后指出该方法目前面临的问题和挑战,为后期的研究提供思路.