用改进的散射搜索法求解带平衡约束的圆形Packing问题

以卫星布局为背景的带平衡约束的圆形Packing问题属NP难问题.该文用给出的改进的散射搜索方法求解.一是给出基于极坐标变换的散射搜索多样性生成策略,二是采取基于极角和极径差异度的参考集更新策略,三是用梯度下降法和Nelder-Mead直接搜索法分别作为散射搜索法中不同阶段所产生新解的改进方法,从而构成改进的散射搜索法,提高了散射搜索法的探索和搜索能力.数值实验结果表明了该改进散射搜索法的可行性和有效性.     

一种综合搜索策略的快速运动估计算法*

提出了一种综合搜索策略的运动估计算法。该算法首先采用中值预测提前终止判断策略,然后基于块运动类型确定搜索起点,最后采用小十字模板与基于块的梯度下降搜索法(BBGDS)相结合的方法进行局部搜索。搜索过程中多处引入提前终止策略,进一步提高搜索速度。通过与综合性能代表当前国际先进水平的运动矢量场自适应搜索法(MVFAST)进行对比实验发现,该算法在基本保持搜索精度的情况下,有效提高了搜索速度,对于运动较大序列速度提高尤为明显,可以达到20%48%。     

改进的灰度投影像移矢量估计算法

提出了一种改进的基于灰度投影的像移矢量估计算法.根据相关曲线的特性,针对全局搜索法和三点搜索法的不足,该算法在搜索第一步时保留多个参考点,并逐步递减,既能解决全局搜索法运算量大、耗时长的问题,又能避免三点搜索法出现误匹配的现象.仿真实验表明,该方法在保证像移矢量估计精度的同时,提高了运算速度,具有较好的效果.     

基于RBF核的SVM学习算法的优化计算

在SVM学习中,对SVM的核函数及其参数的选择还没有形成一个统一的模式。论文对基于RBF核的SVM分类器中参数(C,")的选定做了深入研究。分别探讨了网格搜索法和双线性搜索法以RBF为核的搜索特征,并对它们进行了改进。通过结合双线性搜索法和网格搜索法,提出了一种双线性网格搜索法。实验表明,双线性网格搜索法能有效地结合双线性搜索法训练量小和网格搜索法学习精度高的优点,提高学习精度和学习性能。     

结合粗糙集和禁忌搜索的网络流量特征选择

针对网络流量特征属性的优化选择问题,提出了一种结合粗糙集和禁忌搜索的网络流量特征选择方法(RS-TS).该方法通过粗糙集算法对网络流量特征属性进行约简,将所得到的特征子集作为禁忌搜索的初始解,并利用禁忌搜索得到最优特征子集.实验验证RS-TS方法优于基于GA的特征选择方法和基于IG的特征选择方法,能够有效地去除网络流量的冗余特征属性,提高网络流量分类精度.     

基于二进制粒子群与遗传算法的数据分配研究

针对目前分布式数据库数据分配方法法存在寻求最优分配方案和运行效率等问题的不足,在基于改进的遗传算法的数据分配方法基础上,引入二进制粒子群算法,提出了一种基于二进制粒子群与遗传算法的数据分配方法,既具有二进制粒子群算法的运行速度快、记忆功能好等特点,又具有遗传算法的全局搜索能力、变异能力等特点。该分配方法能够提高搜索效率,并且快速有效地获得全局最优解。实验结果表明,所提出的数据分配方法在搜索全局最优解方面优于基于遗传算法的分配方法,在搜索速度方面比枚举法的分配方法和基于遗传算法的分配方法更快。     

基于运动分析的运动目标实时跟踪系统

机器人的视觉伺服是机器人领域重要的研究方向.着力于提高机器人视觉反馈系统的实时性,提出了基于运动分析的的运动目标实时跟踪方法.该方法采用形态学方法标记连通域,并基于最小二乘法拟合运动轨迹曲线,预测下一时刻位置,设定连通域搜索范围,从而提高搜索速度.仿真结果表明:该方法处理效果良好,能满足后续系统实时性要求.     

基于模块化本体的网络搜索方法

基于本体的搜索引擎能对搜索进行关键词扩展,从而提高搜索的查全率和查准率。由于单一通用本体难以获取且推理效率低,该研究提出了一个基于模块化本体的网络搜索方法。本体的模块化有利于领域专家的分工合作,各模块并行推理能够提高推理的速度。对该方法中关键词向量和概念的匹配、搜索结果的聚类以及个性化搜索进行了分析,并阐述了该方法的优点。     

H.264中CAVLC解码的高效算法

深入分析了H.264标准中CAVLC编解码方法,在此基础上针对参考实现中的遍历查找算法搜索效率不高的问题,引入了子表法和二叉树-子表混合法两种算法来提高解码效率。子表法是将码表分成若干张子表,再在子表中进行搜索;二叉树-子表法结合子表划分,在子表内部采用基于二叉树的形式解码。实验结果表明,在内存增加不多的情况下,这两种算法比参考实现原有算法的搜索速度分别提高了1.7倍和3倍。     

运动矢量检测和图像配准融合及在岩心扫描成像中的应用

在研究三步搜索法工作原理的基础上,根据运动矢量的特点,提出一种基于运动矢量方向预测的三步搜索法。结合图像配准融合,将此方法应用于岩心扫描成像系统中。实验表明,改进后的算法效率明显提高,鲁棒性增强。     

Robust scene matching method based on sparse representation and iterative correction

This article presents an efficient scene matching method robust to noise and occlusion. The method combines a coarse matching method with a fine matching method by iterative correction. Both coarse matching method and fine matching method, inspired by sparse representation for face recognition, are resistant to noise and occlusion inherently. In each step of iterative matching, the result of coarse matching is introduced into fine matching as prior knowledge, which gives a rough range about the possible positions. Then, the fine matching finds the most reasonable result based on the rough range given by coarse matching. Finally, the result of fine matching is brought back to coarse matching as post knowledge to correct it. Experiments demonstrate that the robustness to noise and occlusion is improved compared with the matching methods without iterative correction.     

一种软／硬模板相结合的定义抽取算法

术语定义抽取是信息抽取研究领域的重要内容之一。文中提出了一种结合硬模板匹配和软模板匹配技术的综合术语定义自动抽取方法。文中首先使用硬模板库对待抽取文本进行了初步的定义句匹配抽取。接着,通过使用基于N元语言模型的软模板匹配模型来计算待匹配文本中每个句子与软模板之间的匹配度,并通过设定匹配得分阈值来抽取定义句或过滤掉错误召回的非定义句。实验结果表明文中的术语定义抽取方法远远优于单纯的硬模板匹配或软模板匹配方法。     

抗噪的移位Hamming距离差虹膜匹配方法

对传统的Hamming距离匹配方法进行研究,提出抗噪的移位Hamming距离差(OHDD)虹膜匹配方法。首先构造单频两方向的奇对称Gabor滤波器组来提取虹膜边缘特征,然后用过零检测的方法进行虹膜编码,最后使用OHDD参数进行匹配。在6个虹膜数据库中,对传统匹配方法与文中的OHDD匹配方法进行对比实验。实验结果表明,在所有虹膜数据库中,OHDD匹配方法的等错率和正确识别率优于传统匹配方法,并且具有较强的抗眼睑睫毛噪声干扰的能力。     

基于分层匹配的自适应跟踪算法

提出了1种基于相关的区域分层匹配和模板自适应更新的目标跟踪方法,该方法能在序列图像中自适应地寻找最佳的动态阈值与更新模板,同时区域分层快速搜索能较大地提高匹配速度。算法在MATLAB软件环境下进行了仿真实验。实验结果表明该方法匹配精度高、匹配速度快,在背景亮度、对比度发生变化以及存在水面杂波干扰的情况下,表现出良好的稳定性,具有较强的实用价值。     

新型图像角度匹配方法及其应用研究

探讨了一种基于机器视觉的PCB自动装配线多焊盘实时定位方法。采用多分辨率图像金字塔匹配策略,利用模板图像与待搜索图像的灰度特性,使用圆投影匹配进行初始候选匹配点的选取,得到一系列的候选匹配子图;使用SIFT算法对候选匹配子图和模板图像进行特征匹配,确定对应匹配点,消除误匹配的候选子图;根据点的模式匹配,确定大致的旋转角度,使用重采样和插值的方法计算精确的旋转角度。实验表明,该方法可以准确、实时地实现目标定位。     

一种消除中文匹配中交集型歧义的方法

讨论一种消除中文匹配过程中所产生的交集型歧义的方法。该方法通过词典切分方法对中文文本进行切分,找出文本中的词语,作为理解中文的前提。对于匹配结果中出现的交集型歧义,通过计算匹配词语与其交集词语各自字符之间的互信息值来消除,互信息值较大的词说明该字符组合的可能性比较大。最后给出一个实际的消除歧义的例子,说明该方法的实用性。     

数字彩色图像拷贝－变换－移动篡改检测

针对拷贝-变换-移动篡改技术,提出基于尺度不变特征变换（SIFT）特征点的检测算法。该算法利用快速匹配方法得到互相匹配的SIFT特征点作为种子点,根据SIFT特征点的尺度和方向信息制定合适的生长策略逐步生长出被篡改区域。实验结果证明,该算法对常用的润色操作和JPEG压缩有较好的稳健性。     

高效的图模型点模式匹配算法

点模式匹配的概率图模型具有很好的匹配精度,但是计算复杂度较高,当隔离子中包含异常点（outlier）时匹配精度会受到较大的影响。为了提高匹配的速度和精度,提出了一种由粗到精的图模型点模式匹配算法。利用包含特征点的窗口,用标准化互相关方法对特征点进行粗匹配,以减少异常点的数量,提高后续匹配方法的速度和精度。提出了一种新的点模式匹配的概率图模型,这种图模型能综合利用特征点的位置信息和包含特征点的邻域的灰度信息。利用提出的概率图匹配方法对粗匹配所得到的点对进行分段匹配,得到精确的匹配结果。对光学图像和遥感图像的匹配实验显示该方法能显著减少点模式匹配时间,提高匹配的精度。     

基于新排序函数的直觉模糊双边匹配决策方法

针对直觉模糊双边匹配问题,基于新的排序函数提出一种考虑匹配意愿的双边匹配决策方法.给出新的直觉模糊集排序函数的相关理论;描述考虑主体匹配意愿的直觉模糊双边匹配问题.决策方法如下:首先依据新的排序函数将直觉模糊偏好转换为排序值偏好;基于排序值矩阵、匹配意愿矩阵和匹配矩阵,建立考虑匹配意愿的多目标双边匹配模型;考虑到双方所有主体在大多数情形下所处的地位相同,使用均值法将多目标模型转化为单目标模型,进而通过模型求解获得双边匹配方案.算例分析进一步表明了所提出决策方法的有效性.     

区间树在DDM区域匹配中的应用

数据分发管理（DDM）是降低网络冗余数据的有效手段,区域匹配算法又是数据分发管理实现的关键。当前的多种匹配算法如直接匹配法、网格法、排序法等效率都不够理想,或者过滤效果不佳,或者耗时较长。通过对数据过滤机制的深入研究,提出了基于区间树的区域匹配算法——ITBM算法,该算法将范围的上下界映射到一个区间内,使用区间树来存储区域范围,通过对区间树的直接操作来完成匹配工作。结果表明,ITBM算法大大减少了匹配计算的时间,有效地减少了动态DDM的维护开销。