直线扫描转换中的最小生成机制

深入研究了直线扫描转换的最小生成机制，提出一种扫描转化算法．该算法使得直线扫描转换不必对每一点进行，只需对直线段的最小生成区间进行扫描转换即可，而直线段的其他部分可以利用最小生成段的平移得到，从而能显著地提高直线扫描转换的速度．在生成最小生成段时通过当前点能求出接下来的一系列扫描点，进一步提升了直线扫描转化的效率．     

基于Hough变换的平行直线检测改进算法研究

根据经典Hough变换检测空间直线的原理,提出了一种基于Hough变换的平行直线检测改进算法,将采集到的图像进行二值化处理,再使用Sobel算子对该二值化图像进行边缘检测,对边缘检测得到的图像进行Hough变换和峰值点检测,由峰值点得到直线段图像,最后使用本文提出的改进算法计算出所有直线段的斜率,利用斜率相等来判定平行直线.通过对比实验证明,该算法能得到更高的精度,并缩短了运行时间.     

结合LTS和Hough变换的直线检测算法

为提高Hough变换检测直线的精度,提出一种结合Hough变换与截断最小二乘法的直线检测算法。利用Hough变换确定图像中直线所在的大致区域,提取候选区域内的特征点集,采用截断最小二乘法拟合得到精确的直线参数。实验结果表明,该算法的检测率和检测精度较高,对Hough变换的分辨率要求较低,整体空间开销较小。     

一种两点间直线搜索的输电线检测方法

在无人机应用于输电线巡检背景下,为了方便后续的输电线故障检测与分析,提出了一种两点间直线搜索的输电线检测方法。首先,通过方向可控滤波器对无人机图像进行分割。然后,通过所提出的基于圆搜索(CBS)直线段检测方法进行直线段检测。最后,通过所提出的连接算法进行直线段连接。通过在人造图像上的直线段检测实验,证明该方法是一种有效的直线检测方法。随后,通过在实际场景的无人机图像上进行实验,证明该方法是一种有效的输电线检测方法。     

结合Hough变换与改进最小二乘法的直线检测

提出了一种结合Hough变换与改进的最小二乘法的直线检测方法。分析了Hough变换与最小二乘法在直线检测及检测精度上的优缺点;利用Hough变换鲁棒且不需启发式信息的特点进行初步检测,确定存在直线的大致区域;利用最小二乘法确定直线区域内特征点回归直线的精确参数。为克服最小二乘法对强噪声点敏感的缺点,提出了双点移除的p最小二乘法,通过同时剔除具有最大正负误差的一对数据点,保证数据集中的正常点能得到可靠保留以获得精确的回归结果。实验结果表明,所提方法提高了直线检测的检测率与检测精度,且降低了对Hough变换的分辨率要求,可以减小算法整体的空间开销。     

一种基于3-像素基元组合的直线描述与检测方法

边缘或轮廓是实现图像理解的最重要线索之一,其中直线边缘占很大比例.边缘检测之后得到的仍然是离散的点,直线检测可将它们汇聚起来.本文提出一种基于3-像素基元组合的直线描述与检测方法,用于将可形成直线段的若干邻接像素点向量化.先定义在栅格方式下能够组合构成锯齿状直线的基本单元,接着定义由基元组合成直线段的规则,并证明这一组合规则是可行的,然后给出在基元基础上的直线聚类算法.通过在真实场景上与以往经典直线检测算法相比,本算法在时间、内存消耗、检测准确性上都有较显著的进步,其结果不需施加端点确定、假直线过滤、多条共线直线段的分割等后继操作.     

基于激光扫描的移动机器人行走环境直线检测

提出一种移动机器人行走环境直线检测算法;对激光传感器采集的环境信息作预处理,设计分割、提取规则将离散距离信息转化为具备明显特征的直线段序列,考虑传感器误差用最小二乘法拟合直线段;计算拟合误差作为直线分割提取的阈值自动调整条件,实现阈值自动调整.基于极坐标内直线协方差矩阵计算Mahalanobis距离,实现直线合并,不丢失环境信息同时降低其直线存储量.与传统的Split-and-Merge算法相比,解决了对分割阈值参数敏感的问题.经过实验证明:直线检测算法能够有效检测出直线特征.     

基于局部Hough变换的银行支票参考基线自动定位算法

直线自动检测有许多重要的应用,Hough变换是图象中直线检测的一个常用算法.但Hough变换的一个重要缺点是只能检测直线,而不能检测直线段.本文基于局部Hough变换,研究银行支票识别中,参考基线段的定位问题,给出了一种高效准确的参考基线定位算法.     

基于直线段检测的SIM卡槽图像中切割线定位算法

针对由视觉引导激光切割手机卡(Subscriber identification module,SIM)卡槽的需求,提出了一种检测特定位置直线段边缘 结构的算法。该算法充分利用图像梯度模值和方向信息,将图像中相邻像素梯度模值差值作为寻找种子点时的判定条件,同时将图像中相邻像素梯度角度差值作为区域增长的判定条件,以此得到直线段候选区域,然后利用图像梯度模值作为权重拟合直线段。实验证明该算法具有检测精度高、鲁棒性好、计算量小的优点,可以满足工业检测的应用需求。     

一种新的直线特征提取和定位算法

提出了一种从图像中精确提取直线特征并定位其端点和方向的新方法，克服了传统边缘跟踪算法的局部性。算法首先跟踪边缘点，递归分割成离散直线段，然后从全局角度合并这些离散的直线段，最后给出了两种鲁棒的直线拟合策略。实验结果表明该算法具有良好的性能，能够适用于较广范围的真实图像。     

空间数据挖掘知识的地图可视化表达*

通过分析空间数据挖掘所能发掘的知识类型,对发掘出的知识表达方式进行了研究,提出地图是空间数据挖掘规则和知识的可视化表达的优秀和成熟的表示方法,并对如何表达进行了探讨。     

医学数据挖掘系统研究——糖尿病并发症流行病学知识发现

针对流行病学研究的特点,论文提出计算机辅助医学数据挖掘系统构架,以糖尿病并发症为研究实例,探讨医学数据的冗余性消除、规范化储存、知识归纳及可视化表达等问题。以天津总医院3022例普查数据为研究对象,尝试解决用计算机实现糖尿病并发症这类定性数据的定量化数据挖掘和知识发现。通过对于43种并发症的定性数据挖掘,可以发现诸如高血脂、冠心病、高血压、脑血管病等具有明显并发倾向的知识规则18条。同时,采用知识树方式和决策树等方法实现知识规则的可视化表达。基于数据挖掘和知识发现计算机辅助医学数据挖掘系统能够对现有病历数据库中数据进行自动分析并且提供有价值医学知识,特别适合流行病学分析和全民健康评估,因此与社区医疗和医院HIS系统结合是未来一个非常现实的发展方向。     

关联规则在空间数据挖掘中的研究

在智能化、集成化的空间数据应用领域中，空间数据挖掘是一门很重要的技术，而关联规则分析是空间数据挖掘的主要方法之一。文章基于数据挖掘中的关联规则分析方法，提出不同于一般数据挖掘的算法，设定兴趣度量，并通过将项的概念泛化为空间谓词，事务的概念泛化为邻域，关联规则的概念泛化为同位规则，发现多种形式的有效规则，并用逻辑语言或类SQL语言方式描述规则，以使空间数据挖掘趋于规范化和工程化。最后进行了实评。     

Mining multiple-level spatial association rules for objects with a broad boundary

Spatial data mining, i.e., mining knowledge from large amounts of spatial data, is a demanding field since huge amounts of spatial data have been collected in various applications, ranging from remote sensing to geographical information systems (GIS), computer cartography, environmental assessment and planning. The collected data far exceeds people's ability to analyze it. Thus, new and efficient methods are needed to discover knowledge from large spatial databases. Most of the spatial data mining methods do not take into account the uncertainty of spatial information. In our work we use objects with broad boundaries, the concept that absorbs all the uncertainty by which spatial data is commonly affected and allows computations in the presence of uncertainty without rough simplifications of the reality. The topological relations between objects with a broad boundary can be organized into a three-level concept hierarchy. We developed and implemented a method for an efficient determination of such topological relations. Based on the hierarchy of topological relations we present a method for mining spatial association rules for objects with uncertainty. The progressive refinement approach is used for the optimization of the mining process.     

关联规则在空间数据挖掘中的应用及实现

空间数据挖掘是从空间数据库中抽取隐含知识、空间关系及空间数据库中存储的其它信息的方法。空间关联规则是空间数据挖掘的一个重要研究领域,利用空间关联规则把空间数据库中的数据转化为知识是一个很好的方法。在分析空间关联规则的基础上,用基于关联规则的逐步求精挖掘算法,得出空间数据库中的隐含知识,通过实例证明其方法的可行性。     

基于关联规则的空间数据知识发现及实现

空间数据挖掘就是从空间数据库中抽取隐含知识、空间关系及空间数据库中存储的其它模式的方法。空间关联规则是空间数据挖掘的一个重要表现形式，利用空间关联规则把空间数据库中的数据转化为知识是一个很好的方法。本文在分析空间关联规则的基础上，用基于关联规则的逐步求精挖掘算法，得出空间数据库中的知识，通过实例证明其方法的可行性。     

Apriori算法在红外光谱数据挖掘中的应用

简要地介绍了在大规模数据库中挖掘关联规则的Apriori算法 ,给出了红外光谱数据库知识发现的空间表示方法 ,并根据红外光谱数据挖掘的特点改进了Apriori算法中支持度的计算与频繁集的确定过程 ,运用统计方法把挖掘结果形成可视的特征谱带 -化学基团规则式 ,通过具体的挖掘事例对挖掘结果进行分析与评价。挖掘出的规则式和波谱分析理论比较结果证明了挖掘结果的正确性 ,说明改进过的Apriori算法挖掘红外光谱数据库的有效性     

Construction and evaluation of structured association map for visual exploration of association rules

The association rule mining is one of the most popular data mining techniques, however, the users often experience difficulties in interpreting and exploiting the association rules extracted from large transaction data with high dimensionality. The primary reasons for such difficulties are two-folds. Firstly, too many association rules can be produced by the conventional association rule mining algorithms, and secondly, some association rules can be partly overlapped. This problem can be addressed if the user can select the relevant items to be used in association rule mining, however, there are often quite complex relations among the items in large transaction data. In this context, this paper aims to propose a novel visual exploration tool, structured association map (SAM), which enables the users to find the group of the relevant items in a visual way. The appearance of SAM is similar with the well-known cluster heat map, however, the items in SAM are sorted in more intelligent way so that the users can easily find the interesting area formed by a set of associated items, which are likely to constitute interesting many-to-many association rules. Moreover, this paper introduces an index called S2C, designed to evaluate the quality of SAM, and explains the SAM based association analysis procedure in a comprehensive manner. For illustration, this procedure is applied to a mass health examination result data set, and the experiment results demonstrate that SAM with high S2C value helps to reduce the complexities of association analysis significantly and it enables to focus on the specific region of the search space of association rule mining while avoiding the irrelevant association rules.     

从文本知识源中挖掘概念格的形式分析

文本知识挖掘是数据挖掘中一个很重要的研究领域。论文主要讨论如何在不使用概念换算方法下从文本知识中抽取概念格以及分析概念格之间的结构关联。该方法有两部分构成：一是将文本中所描述的对象转化为多值上下文;二是分析多值上下文之间的各种操作以及相应概念格之间的关联。重点分析了多值上下文的增加、删除和乘积等操作以及相应概念格之间的序嵌入映射,得到了一些重要命题。知识工程师可以利用这些命题进行文本知识分析以及从概念格上进一步抽取关联规则。     

基于关联规则数据挖掘技术在教学管理中的应用

数据挖掘技术是一种新的信息处理技术。其目的是从海量数据中抽取潜在的,有价值的数据规律或数据模型。通过数据挖掘技术对高校教学数据的分析处理,能够形成真正有价值的知识,向决策者提供信息支持,有利于推动学校教学改革和建设的全面发展。本文主要针对现行高校实际运作的学分选课数据库系统,以关联规则挖掘为例,提出简单而可行的数据挖掘应用实施办法。