图形化程序特征码的算法设计与应用

提出一种图形化页面程序特征码的提取算法.该算法根据图形化页面内符号间输入输出数据流关系和数据类型信息,形成页面的中间信息文本.中间信息文本由该页面对外输入的输出变量名、变量类型,相关符号的输入、输出形参类型和参数设置值,输出变量的数据流调用表达式等关键内容拼接组成,基于中间信息文本计算形成CRC,作为页面的特征码.通过计算比较厂家内部修改页面、现场工程修改页面之间的特征码,给出页面程序修改是否一致的结果,该算法可准确甄别由于符号位置偏差、中间变量命名不同等原因导致的页面存储文件不同,但实际功能一致的情况.     

用于变电站终端入侵检测的熵权融合定位算法

智能机器人、移动作业终端的应用加速了变电站的无人值守,需对此等各类设备进行统一网络管理和监控,尤其是对非法接入的终端要进行检测和甄别。由于无法排除非法终端伪造MAC地址信息的可能性,因此需以位置信息作为终端身份标识,从而实现对于非法终端的检测甄别。目前,对于机器人的定位方法主要有计算距离法与数据库匹配法。本文结合三角距离计算与数据库匹配法得出一种新的融合定位算法,依据信息论中信息熵的概念确定熵权,提高智能机器人定位准确度,提升对非法终端的检测能力。     

基于多约束推理的互联网地理位置信息挖掘算法研究

现有的地理位置信息服务大都建立在地图测绘的基础上,随着移动互联网的迅速发展,利用互联网中包含的位置信息,成为了地理位置信息来源的一个新渠道.现有的地理位置信息挖掘算法主要是利用关键字匹配进行主题挖掘,然而在网络条件下的地理信息常常出现信息的错误和遗漏等情况,使得现有的基于关键字匹配的位置信息挖掘算法准确率迅速降低.针对这一问题,论文引入基于多约束的地理信息推理模型,将从网络中获取的多种标准化的信息作为约束条件进行推理,提升位置信息挖掘算法的准确性.实验表明论文提出的基于多约束推理的挖掘算法相比现有算法在地理信息准确度方面有明显提升.     

基于高程的改进D-S证据理论地图匹配算法

一般的地图匹配算法处理立交桥、隧道等特殊路段的匹配问题时存在着精度相对较低的缺陷。为了提高匹配算法的性能,对传统的D-S证据理论地图匹配算法进行改进。改进算法通过自定义的高程函数引入了高程信息的作用,并在此基础上对位置信息证据及方向信息证据融合后的联合支持度函数进行了适当的修改。实验结果表明,改进算法能够提高立交桥区域内地图匹配的准确率。     

基于结构信息的图像拼接算法

研究了纹理较多、噪声较大的两幅或多幅的图像拼接问题.两幅图像拼接时,提取图像特征点的好坏对图像拼接结果有很大影响.经典的SIFT算法是一种较好的局部特征点提取算法.而对于纹理较多,噪声较大的图像中,SIFT算法会提取数量较大的特征点,影响匹配的准确性和速度.本文提出基于结构信息的图像拼接算法（SKM,Structual Keypoint Matching）,利用RTV算法提取图像的信息结构,有效地去除图像中的纹理噪声.去噪后,利用SIFT算法提取特征点进行匹配,最后利用RANSAC算法对匹配点对进行筛选,提高准确度.通过由SKM算法得到的变换矩阵H作用于原始图像,完成图像的拼接.     

一种新颖的蛋白质序列与其串联质谱的匹配打分算法

为了有效的利用蛋白质串联质谱数据,提高蛋白质鉴定的准确性,提出一种基于KNN的蛋白质序列与蛋白质串联质谱的匹配打分算法.蛋白质序列与蛋白质串联质谱的匹配打分是蛋白质数据库搜索鉴定过程中的关键技术.然而,现有的算法没有很好的利用蛋白质串联质谱中离子的强度信息.针对此问题,本文根据质谱中离子的类型给出了全体离子的一个合理的划分.进而抽象出一个高维的强度特征向量,在已知的高精度的数据集上建立了强度匹配知识集合,最后基于KNN技术构造了序列和质谱的匹配打分算法.实验结果表明,本文算法更加有效的利用了蛋白质串联质谱的结构信息,提高了蛋白质鉴定的准确性.     

基于Web标准的页面分块算法研究

页面分块在文档分类,信息抽取,主题信息采集,以及搜索引擎优化等方面具有重要的作用.首先提出了一种基于Web标准的页面分块算法,通过对网页进行解析和布局分析,利用Web标准对网页进行分块.实验证明该算法在对遵循Web标准的网页进行分块时,在分块准确性和复杂页面适应性方面得到了提高.     

改进的基于深度卷积网的图像匹配算法

鉴于图像匹配中单一特征难以获得理想效果的问题,提出一种改进的基于深度卷积网的图像匹配算法.首先对卷积层作展开,利用BLAS (Basic Linear Algebra Subprograms)高效地计算矩阵乘法,从而提高了算法运行速度;然后通过基于POEM (Pattern of Oriented Edge Magnitudes)特征的匹配点筛选方法,去除部分误匹配点,增强了基础矩阵的鲁棒性.实际图像的实验验证了改进算法的准确性和实时性,对于重复纹理及旋转图像的匹配效果显著.     

一种基于边界搜索策略的匹配算法

基于灰度相关的图像匹配法,因匹配概率高而广泛应用于各个领域,但传统灰度相关算法的搜索策略是遍历性的,匹配速度较慢.为提高图像匹配速度,本文提出了一种基于边界搜索策略和矢量关系的匹配算法.该算法从矢量关系的角度,分析图像间差异.采用高维空间矢量表征图像所含信息,通过计算矢量之间的角度衡量待匹配区与模板的相关性.实验验证了采用的矢量角度作为图像间关系的测度的合理性和准确性,表明了该算法的图像匹配具有快速性和较高的准确性.     

稀疏字典编码的超分辨率重建

基于学习的超分辨率方法通常根据低分辨率图像从样本库中选取若干特征相似的匹配对象,再使用优化算法进行超分辨率估计,但其结果受匹配对象的质量限制,并且匹配特征一般只选择图像的几何结构信息,匹配准确性较低.提出了稀疏字典编码的超分辨率模型,将高、低分辨率图像特征块统一进行稀疏编码,建立高、低分辨率图像的稀疏关联,同步实现匹配搜索和优化估计,突破了上述方法的限制.应用形态分量分析法提取图像的特征数据,提高了特征匹配的准确性,并同步实现超分辨率重建和降噪功能.优化方法采用稀疏K-SVD算法以提高稀疏字典编码的计算速度.采用自然图像进行实验与其他基于学习的超分辨率算法相比,重建所得到的图像质量更优.