基于前缀分组的改进自适应多叉树防碰撞算法

针对自适应多叉树防碰撞算法在标签识别过程中存在空闲时隙过多、系统吞吐量较低的问题,提出一种基于前缀分组的改进自适应多叉树防碰撞算法.算法分为前缀分组与标签识别两个阶段,前缀分组阶段阅读器使用一个查询周期确定范围内标签的查询前缀,每个前缀代表一个分组.标签识别阶段采用一种改进自适应多叉树防碰撞算法,通过计算碰撞因子,动态...     

基于最短描述长度的序列图像运动分割

提出了一种分两个阶段的运动估计和分割方法。首先采用小块对图像做传统全局搜索的块匹配运动估计,得到每块相应搜索范围内的误差图,根据误差图判决相邻块运动的一致性将一致性好的块合并成一个区域并同时得到区域的运动矢量。进一步的区域合并在最短描述长度准则指导下进行,每对区域合并的依据是合并后新区域的描述长度小于合并前两区域描述长度之间,如此迭代合并直至所有相邻区域均不满足条件。     

基于四叉树分割的变维矢量量化图像压缩算法

传统的矢量量化压缩算法将图像分割为相同大小的编码块,该方法存在较多的冗余.为了提高矢量量化压缩算法的效率,提出一种基于四叉树分割的变维矢量量化图像压缩算法.首先对8×8的图像块进行编码,计算各图像块绝对误差之和,若大于预设的阈值,则将残差分为4等分再编码,重复该过程直到绝对误差之和小于预设的阈值或达到最小图像块.实验结果表明,相对于全搜索的矢量量化方法,在相同码率下,算法编码时间较短且重建图像质量较好.     

基于快速二维熵与PSO算法的红外图像分割

利用快速二维熵的图像分割方法因其运算量大而影响了它的实际使用,本文经过参数变换用减法代替原来方法中的对数运算.同时将PSO算法代替原来的穷尽搜索获得阈值向量来提高求解速度和分割效率,通过对实际图像分割效果表明,本文方法简单有效.     

基于分组卷积进行特征融合的全景分割算法

针对图像全景分割任务对于实践应用中现有网络结构运算不够快速的问题,提出一种基于分组卷积进行特征融合的全景分割算法.首先,通过自底向上的方式选择经典残差网络结构(ResNet)进行特征提取,并采用不同扩张率的空洞卷积空间金字塔池化操作(ASPP)对提取到的特征进行语义分割与实例分割的多尺度特征融合;然后,通过提出一种单路...     

基于FP-Tree的共享前缀频繁项集挖掘算法

在数据挖掘中发现关联规则是一个基本问题,而发现频繁项集是关联规则挖掘中最基本、最重要的问题。提出了基于FP-Tree的共享前缀频繁项集挖掘算法－FP-SPMA算法。构造FP-Tree来压缩事务数据库,通过共享前缀和前瞻剪枝快速减小候选项集,无需递归构造条件模式树,算法性能有明显的提高。     

基于预分类的标签传播分组算法

针对已有正则表达式分组算法的分组效果与分组时间难以平衡的问题,本文提出了基于预分类的标签传播分组算法。该算法首先分析了规则间膨胀特征,基于此对正则表达式集合进行预分类;然后借鉴标签传播思想对包含克林闭包的正则表达式集合分组,通过改进初始标签分配和传播过程实现快速聚敛。仿真实验证明,该算法与当前的正则表达式分组算法相比,在相同分组数情况下,有着较少的状态数和更短的分组时间。     

引入分组注意力的医学图像分割模型

目的 卷积神经网络结合U-Net架构的深度学习方法广泛应用于各种医学图像处理中,取得了良好的效果,特别是在局部特征提取上表现出色,但由于卷积操作本身固有的局部性,导致其在全局信息获取上表现不佳。而基于Transformer的方法具有较好的全局建模能力,但在局部特征提取方面不如卷积神经网络。为充分融合两种方法各自的优点,提出一种基于分组注意力的医学图像分割模型（medical image segmentation module based on group attention,GAU-Net）。方法 利用注意力机制,设计了一个同时集成了Swin Transformer和卷积神经网络的分组注意力模块,并嵌入网络编码器中,使网络能够高效地对图像的全局和局部重要特征进行提取和融合;在注意力计算方式上,通过特征分组的方式,在同一尺度特征内,同时进行不同的注意力计算,进一步提高网络提取语义信息的多样性;将提取的特征通过上采样恢复到原图尺寸,进行像素分类,得到最终的分割结果。结果 在Synapse多器官分割数据集和ACDC （automated cardiac diagnosis challenge）数据集上进行了相关实验验证。在Synapse数据集中,Dice值为82.93%,HD（Hausdorff distance）值为12.32%,相较于排名第2的方法,Dice值提高了0.97%,HD值降低了5.88%;在ACDC数据集中,Dice值为91.34%,相较于排名第2的方法提高了0.48%。结论 本文提出的医学图像分割模型有效地融合了Transformer和卷积神经网络各自的优势,提高了医学图像分割结果的精确度。     

基于最短路径的分水岭分割算法的研究

该提出了一种基于最短路径的分水岭分割算法,该方法受到水在地形表面自由流动的启发,把一幅数字图像当成是一个地形表面,然后根据图论中的最短路径思想进行分水岭变换。通过该方法在数字图像分割中的应用,实验结果表明基于最短路径的分水岭变换分割算法能够在一定程度上克服传统分水岭变换算法导致的过度分割,而且加快了分水岭变换的速度,提高的了分割效率,同时该算法能够准确地刻画目标区域的轮廓,能够保证分割目标的完整,有利于后续的图像分析,模式识别。     

基于有限递归的最短长度循环请求集生成算法

如何在最短的时间内生成长度最短的对称循环请求集;是当前分布式计算乃至云计算必须解决的问题。提出了一种基于有限递归的最短长度对称循环请求集生成算法。该算法通过减少每一个递归层次的递归次数;在不增加请求集长度的情况下;能够有效地减少请求集生成过程中节点尝试的次数;从而有效地降低算法的时间复杂度;具有较高的实用价值。     

基于复值小波包概率模型的纹理分类研究

为准确描述纹理,发挥复值小波包变换多方向通道等优点,首次基于复值小波包对纹理采用概率模型进行自适应描述,并同最大似然分类方法结合进行纹理分类.提出融合各类纹理最优描述的方法,将图库分类正确率从85%提高到93%.     

基于WDM网络的光分组交换结构

介绍了基于波分复用（WDM）全光网的相关技术,提出了光分组交换机的总体结构及性质,并给出一个采用波长路由选择技术实现的光分组交换模型。     

线速数据包输入处理技术

随着因特网的高速发展,因特网主干需要具备多业务能力的G位,甚至T位路由器,这就使得数据包输入处理成为主干路由器的瓶颈,线速数据包输入处理不仅对因特网主干路由器有重要意义,同时还可以应用在多层交换机,高速防火墙,高速入侵检测系统中,综合了近年来数据包输入处理的最新研究进展,详细分析了线速数据包输入处理的关键问题和解决方案,最后,指出了该领域需要进一步研究的问题。     

基于OLPP符号表示的时间序列分类算法

基于符号表示的时间序列分类方法是时间序列数据挖掘的关键技术.大部分现有方法主要针对单个时间序列样本进行符号表示,没有考虑样本间的近邻关系对符号化分类的影响.对此提出一种基于正交局部保持映射(Orthogonal Locality Preserving Projection,OLPP)的时间序列符号表示方法.使用OLPP...     

基于改进流形学习的数据分类算法

针对高维数据分类问题的特点,提出一种基于改进型局部线性嵌入LLE(Locally Linear Embedding)算法的数据降维算法,结合支持向量机SVM(Support Vector Machine)算法实现数据分类。首先,通过LLE算法降维后的数据集,按照数据集内的离差最小化,数据集间的离差最大化的原则,计算得到最优化邻近点个数;其次,将最优邻近点个数所得的降维数据作为最优结果,按一定比例选取训练集,输入SVM算法建立数据分类器;最后,将测试集输入训练完成的分类器中,实现最优化数据分类。选取Iris flower,Yale等多类数据集与传统算法进行对比实验,验证算法的可行性。实验结果表明:所提出的算法可以有效地完成数据分类,针对低维数据和高维数据分类问题具有较好的适用性和优越性,在人脸检测中也取得较好的结果。     

基于双向2DLDA与LDA相结合的SAR目标识别算法

线性判决分析(LDA)用于图像特征提取时,存在着损失二维空间结构信息、计算复杂度大的缺点。二维线性判决分析(2DLDA)弥补了LDA的缺点,但2DLDA仅消除了图像各列间的相关性,所提取的图像特征维数仍然较大。为解决上述问题,采用双向2DLDA与LDA相结合的特征提取算法对图像的行和列同时进行压缩,减少特征矩阵维数,降低计算量。实验结果表明,所提出的SAR(Synthetic Aperture Radar)图像目标识别方法有效地降低了图像数据维数,提高了识别率,并克服了方位角变化对识别结果的影响。