图像质量评价研究综述

图像质量评价是一个经典的研究课题,其目标是设计算法,给出和人的主观感受相一致的评价值.在许多图像处理的应用领域中,图像质量评价算法都具有重要意义.目前已提出多种评价算法,本文对这些算法进行综述.首先描述图像质量的主观评价方法,它给出科学、稳定的主观评价值;其次对各种客观评价算法进行分类介绍,重点探讨了各类算法的思路及特点;然后详细描述了衡量算法性能的定量指标;最后总结了图像质量评价算法研究的发展趋势.     

基于深度学习的图像质量评价方法综述

图像质量评价是对图像或视频的视觉质量的一种度量,主要分析了最近10年图像质量评价算法的研究情况。介绍了图像质量评价算法的衡量指标以及常用的图像质量评价数据集,对图像质量评价方法的分类做了阐述,重点分析了基于深度学习技术的图像质量评价算法。目前,该类算法的基础模型主要包括深度卷积神经网络、深度生成对抗网络和变换器,其性能通常高于传统的图像质量评价算法。描述了基于深度学习技术的图像质量评价算法的原理,重点介绍了基于深度生成对抗网络的无参考图像质量评价算法,通过增强对抗学习强度提高模拟参考图的可靠性。深度学习技术需要海量训练数据的支持,探讨和总结数据集增强的方法,对数字图像质量评价方法的未来研究进行展望。     

基于内容划分和运动补偿的视频质量评价

目前基于结构相似性的图像质量评价算法均是对图像进行整体质量分析,但人类视觉系统对图像中不同部分的敏感程度不同,而对图像进行整体质量分析无法有效反映出这些差异。鉴于此,提出了一种基于内容划分的图像质量评价算法,根据图像不同区域的梯度将图像分为四个部分,分别进行质量评价。之后,采用基于运动补偿的帧加权方式将上述方法扩展为视频质量评价。实验证明,所述算法与目前比较流行的几个算法相比具有较高的评价准确性。     

基于Boosting算法的文本自动分类器设计

Boosting算法是目前流行的一种机器学习算法。采用一种改进的Boosting算法Adaboost.MHKR作为分类算法，设计了一个文本自动分类器，并给出了评估方法和结果。评价表明，该分类器有很好的分类精度。     

面向无参考图像的清晰度评价方法研究

图像的清晰度是衡量数字图像质量优劣的重要指标。基于面向无参考图像质量评价,重点介绍了目前较为常用的、具有代表性的几种清晰度评价算法,并从算法的单峰性、无偏性、灵敏性,与图像尺度、内容的无关性,以及与主观感知的一致性3个方面的性能进行了对比和分析,以求准确客观地评价各清晰度算法,达到在实际应用中合理、有效地评价图像清晰度的目的。     

水产品安全评价指标约简方法研究

影响食品安全评价的因素很多,并且这些因素错综复杂,因此,目前众多算法存在评价指标约简效果差、运算效率低下等问题。针对大多数食品安全评价指标约简算法时间复杂度比较高、指标选取差等问题,文中利用粗糙集理论提出了一种新的解决办法。该方法基于相似矩阵概念,利用属性在相似矩阵中出现的频率给出了属性重要性的计算公式,以此作为启发式知识来约简决策表中的冗余属性,并将折半查询的思想运用到了算法中,加快了约简效率,提高了评价指标选取水平。实验结果表明该算法是简单有效的。     

一个中文文本自动分类器的设计

Boosting算法是目前流行的一种机器学习算法。采用Boosting家族的Adaboost．MH算法作为分类算法,设计了一个中文文本自动分类器,并给出了评估方法和结果。评价表明,该分类器和SVM的分类精度相当,而较基于其他分类算法的分类器有更好的分类精度。     

基于过程神经网络和量子免疫算法的油气评价

为评价我国目前油气资源的可持续发展能力,提出了一种将过程神经元网络与量子免疫算法相结合的评价方法。首先,在构建油气资源可持续发展能力评价指标体系的基础上,采用过程神经元网络建立评价指标体系与评价结果之间的映射关系;然后采用量子免疫算法完成网络的训练;最后,以2004年～2006年的油气资源经济可持续发展评价为例,验证了方法的有效性和可行性。     

医学图像分割算法的评价方法

对医学图像分割算法的客观评价是推进算法在临床上得到应用的关键。针对目前对医学图像分割方法的研究较多,而对分割算法的评价方法的研究却很少的问题,提出了一种判断和比较医学图像分割算法优劣的评价方法。首先对现有的几种评价方法进行了综述,并总结出了一套评价系统。可靠性、精确性、区域统计特性和效率是评价一个分割方法的4个重要参数,结合医学图像分割分别对它们的定义进行了说明。这些参数互相影响,评价分割算法时必须权衡这些指标,根据不同的应用背景赋予它们不同的权重。此外,还介绍了如何建立医学图像分割金标准数据库的方法。最后,通过Insight Toolkit（ITK)软件包中的两个算法例子,结合脑白质分割的医学背景,演示了如何利用本文评价系统来对这两种分割算法做出比较。实验结果表明,该评价方法可行,比较结果具有合理性。该研究为医学图像分割算法的评价提供了科学合理的方法,同时也指出了推动医学图像分割算法在临床上应用所应解决的问题。     

立地评价系统的设计与实现

针对目前基层林农与林场在森林经营管理中的立地评价问题,探讨了利用林分生长模型对有林地进行评价的方法与技术,建立了以定距等分算法为核心,采用好、中、差立地等级对有林地进行评价的方法,设计了林分生长模型库,实现了生长模型解析算法.在此基础上,设计了立地评价系统工作流程和立地评价系统架构,结合无林地评价开发了基于浏览器与服务器体系结构的综合立地评价系统,从而有效满足了在只有林分生长模型情况下的立地评价需求.     

隐私保护数据挖掘算法综述

如何保护私有信息或敏感知识在挖掘过程中不被泄露,同时能得到较为准确的挖掘结果,目前已经成为数据挖掘研究中的一个很有意义的研究课题。本文通过对当前隐私保护数据挖掘中具有代表性的算法按照数据分布对其中的数据更改方法、数据挖掘算法、数据或规则隐藏等进行了详细阐述,并对各自的优缺点进行了分析和比较,总结出了各种算法的特性。此外,通过对比提出了隐私保护数据挖掘算法的评价标准,即保密性、规则效能、算法复杂性、扩展性,以便在今后的研究中提出新的有效算法。     

不确定性数据聚类挖掘研究综述

根据目前数据挖掘研究的现状,分析不确定数据的聚类挖掘算法。针对不确定数据聚类挖掘存在的问题,提出改进传统的数据挖掘算法来适合不确定数据的聚类挖掘或找出新的聚类挖掘算法,来解决不确定数据聚类挖掘问题的新思路。     

基于数据仓库的数据预处理过程模型

现阶段的数据挖掘研究工作主要集中于挖掘核心算法方面，忽视了对数据预处理的研究。本文将数据预处理无缝集成于数据仓库的构建过程中，提出了一种数据预处理过程模型，对企业成功实施数据挖掘应用做出了有益的探索。     

Set-oriented data mining in relational databases

Data mining is an important real-life application for businesses. It is critical to find efficient ways of mining large data sets. In order to benefit from the experience with relational databases, a set-oriented approach to mining data is needed. In such an approach, the data mining operations are expressed in terms of relational or set-oriented operations. Query optimization technology can then be used for efficient processing.

In this paper, we describe set-oriented algorithms for mining association rules. Such algorithms imply performing multiple joins and thus may appear to be inherently less efficient than special-purpose algorithms. We develop new algorithms that can be expressed as SQL queries, and discuss optimization of these algorithms. After analytical evaluation, an algorithm named SETM emerges as the algorithm of choice. Algorithm SETM uses only simple database primitives, viz., sorting and merge-scan join. Algorithm SETM is simple, fast, and stable over the range of parameter values. It is easily parallelized and we suggest several additional optimizations. The set-oriented nature of Algorithm SETM makes it possible to develop extensions easily and its performance makes it feasible to build interactive data mining tools for large databases.     

流数据挖掘综述

作为一种新的数据形态，流数据对数据挖掘提出了诸多挑战。学者们已提出大量处理流数据的挖掘算法。本文对这些算法进行了综述。首先介绍了多个不同的数据流模型，这些模型对算法设计有着不同的要求。然后，总结了流数据挖掘算法的特点，并给出了算法中常用的技术。最后，分析了各个流数据挖掘任务中的代表性算法。     

基于遗传算法的数据挖掘技术的研究

文章首先对数据挖掘进行了概述，阐明了什么是数据挖掘，为什么要数据挖掘，如何进行数据挖掘以及数据挖掘的主要过程，接着介绍了数据挖掘中的一个重要算法－遗传算法，文章对遗传算法的产生与发展以及主要理论等进行了简要的介绍，提出了基于遗传算法的关联规则的提取方法，文章还结合作者单位的智能型学生管理系统，给出了用遗传算法进行关联规则挖掘的实例，并讨论了遗传算法所面临的问题与挑战。     

遗传算法在关联规则挖掘中的应用

数据挖掘是关联规则中一个重要的研究方向。该文对关联规则的数据挖掘和遗传算法进行了概述,提出了一种改进型遗传算法的关联规则提取算法。最后结合实例给出了用遗传算法进行关联规则的挖掘方法。     

A new fast associative classification algorithm for detecting phishing websites

Associative classification (AC) is a new, effective supervised learning approach that aims to predict unseen instances. AC effectively integrates association rule mining and classification, and produces more accurate results than other traditional data mining classification algorithms. In this paper, we propose a new AC algorithm called the Fast Associative Classification Algorithm (FACA). We investigate our proposed algorithm against four well-known AC algorithms (CBA, CMAR, MCAR, and ECAR) on real-world phishing datasets. The bases of the investigation in our experiments are classification accuracy and the F1 evaluation measures. The results indicate that FACA is very successful with regard to the F1 evaluation measure compared with the other four well-known algorithms (CBA, CMAR, MCAR, and ECAR). The FACA also outperformed the other four AC algorithms with regard to the accuracy evaluation measure.     

遗传算法在关联规则挖掘中的应用

数据挖掘是关联规则中一个重要的研究方向。该文对关联规则的数据挖掘和遗传算法进行了概述,提出了一种改进型遗传算法的关联规则提取算法。最后结合实例给出了用遗传算法进行关联规则的挖掘方法。     

数据挖掘中分类算法综述

分类是数据挖掘、机器学习和模式识别中一个重要的研究领域。通过对当前数据挖掘中具有代表性的优秀分类算法进行分析和比较，总结出了各种算法的特性，为使用者选择算法或研究者改进算法法提供了依据。此外，提出了评价分类器的5条标准，以便于研究者提出新的有效算法。