模糊C-均值聚类新算法在说话人辨认中的应用

该文提出了一种将模糊C-均值聚类法的各种改进算法与矢量量化法相结合的说话人辨认的新方法。首先从语音信号中提取MFCC特征矢量,其次利用矢量量化来设计码书,最后用改进算法对待识语音进行辨认。新算法的辨认率达到95%以上,抗噪性能也优于矢量量化法。     

自适应梯度矢量流轮廓提取方法

提出自适应梯度矢量流轮廓提取方法,从两个方面对梯度矢量流模型进行改进.首先,在原梯度矢量流场的基础上,引入调节因子,增强边缘附近数据项梯度的影响,减少扩散项带来的平滑效果,以改进梯度矢量流场的性能.其次,在活动轮廓边上附加一个法向的自适应力,它根据正在进化的活动轮廓所处的矢量场的位置,自行确定轮廓的收敛方向,以改进活动轮廓引导力的性能.把此力和改进后的梯度矢量流场叠加,既保持活动轮廓大的捕捉范围,又加快其收敛速度,且解决深度凹陷和瓶颈问题.通过对多个实例的运行,验证该方法的有效性.     

一种基于改进土地覆盖更新方法的新增建设用地自动提取

快速准确掌握新增建设用地信息对城镇化监测研究具有重要意义。基于后验概率变化矢量检测的土地覆盖更新方法中,存在初始样本准确性低、后验概率变化矢量检测精度不理想的问题,结合多元变化检测方法,对基于后验概率变化矢量检测的更新方法进行改进,提出一种可应用于新增建设用地提取的自动化方法。利用两期影像多元变化检测结果提高初始训练样本的准确性,同时在迭代选择样本过程中加入该变化检测结果,改善变化检测更新和重分类过程的精度,更准确地提取新增建设用地。用两期嘉兴地区高分一号影像和前期影像土地利用/覆盖分类数据验证改进效果,并与改进前方法对比。结果表明：改进方法提取的2017年新增建设用地精度更高,提取更新后的2017年建设用地总体精度达到85%,Kappa系数0.7以上,变化检测精度比未改进前显著提高。同时该方法显著减少了迭代次数,提高了提取效率。     

一种基于改进土地覆盖更新方法的新增建设用地自动提取

快速准确掌握新增建设用地信息对城镇化监测研究具有重要意义。基于后验概率变化矢量检测的土地覆盖更新方法中,存在初始样本准确性低、后验概率变化矢量检测精度不理想的问题,结合多元变化检测方法,对基于后验概率变化矢量检测的更新方法进行改进,提出一种可应用于新增建设用地提取的自动化方法。利用两期影像多元变化检测结果提高初始训练样本的准确性,同时在迭代选择样本过程中加入该变化检测结果,改善变化检测更新和重分类过程的精度,更准确地提取新增建设用地。用两期嘉兴地区高分一号影像和前期影像土地利用/覆盖分类数据验证改进效果,并与改进前方法对比。结果表明:改进方法提取的2017年新增建设用地精度更高,提取更新后的2017年建设用地总体精度达到85%,Kappa系数0.7以上,变化检测精度比未改进前显著提高。同时该方法显著减少了迭代次数,提高了提取效率。     

一种基于改进土地覆盖更新方法的新增建设用地自动提取

快速准确掌握新增建设用地信息对城镇化监测研究具有重要意义。基于后验概率变化矢量检测的土地覆盖更新方法中，存在初始样本准确性低、后验概率变化矢量检测精度不理想的问题，结合多元变化检测方法，对基于后验概率变化矢量检测的更新方法进行改进，提出一种可应用于新增建设用地提取的自动化方法。利用两期影像多元变化检测结果提高初始训练样本的准确性，同时在迭代选择样本过程中加入该变化检测结果，改善变化检测更新和重分类过程的精度，更准确地提取新增建设用地。用两期嘉兴地区高分一号影像和前期影像土地利用/覆盖分类数据验证改进效果，并与改进前方法对比。结果表明：改进方法提取的2017年新增建设用地精度更高，提取更新后的2017年建设用地总体精度达到85%，Kappa系数0.7以上，变化检测精度比未改进前显著提高。同时该方法显著减少了迭代次数，提高了提取效率。     

基于改进PCNN与矢量法的输送带边缘检测

为解决带式输送机输送带边缘难以提取的问题,提出了一种改进脉冲耦合神经网络（PCNN, Pulse Coupled Neural Network）与数学矢量相结合的输送带边缘检测算法。针对PCNN模型参数较多,各个参数不易自动选取的缺点,改进了模型结构,减少了待定参数;在此基础上利用矢量法寻找输送带边缘。实验结果表明,算法具有较强的准确性和有效性。     

无特定背景条件下运动目标的分割算法研究

针对无特定背景条件下运动目标的分割问题,采用改进的三步搜索算法有效地提高灰度投影法检测序列帧间运动矢量搜索速度,同时保持了运动矢量的搜索精度。并通过帧间运动矢量补偿将相邻三帧图像的相同背景稳定在同一幅图像的相同位上,提出了改进型HSI帧差分法检测运动目标区域,通过聚类分析确定运动目标的个数。结合数学形态学的闭运算和填充运算分割出运动目标。实验结果表明,该方法能够快速高效地从无特定背景条件下的视频序列中提取运动目标,具有图像信息利用充分、鲁棒性强和准确性高等优点。     

多维空间角度方法提取植被覆盖区蚀变信息

基于光谱角制图法，提出运用多维空间角度方法来提取植被覆盖较好区域的遥感图像蚀变信息。采用目视解译方法得到的样本向量代替从波谱库中得到的端元组分矢量来计算多维向量间的空间角，并且加入合适的约束条件，来改进多维空间角度方法。给出了植被覆盖区蚀变信息提取的实施方法与步骤。最后运用改进的多维空间角度方法提取实际区域的蚀变信息，并将它与用比值法和主成分分析法得到的结果作比较。表明改进的多维空间角度方法提取蚀变信息的效果比较理想，与该地区的地质图件更为一致，从而证实了该方法的有效性。     

基于改进概率神经网络的纹理图像识别

引入差异演化（DE）算法来弥补基本概率神经网络的不足,从而提出一种基于改进概率神经网络（MPNN）的纹理图像识别方法。首先用树形结构小波包变换提取纹理图像的能量特征,用基于统计的纹理特征方法提取统计均值、平均能量、标准差和平均残余特征,得到纹理图像的特征矢量;然后用改进的概率神经网络训练纹理图像的特征矢量,从而实现纹理图像的识别。实验结果表明：采用基于改进概率神经网络的纹理图像识别方法较BP神经网络、RBF神经网络和基本的PNN有更高的识别正确率,且收敛更快。     

基于区域生长法的星图中星的提取方法

针对扫描法和矢量法抗噪能力不强、提取精度不高的问题,将区域生长法引入到星提取中,提出了基于区域生长法的星图中星的提取方法.该方法根据星体目标具有较强相关性的特点,制定相似性准则,对星体目标进行生长判断、提取.仿真结果表明:提出的星提取方法具有较强的抗噪能力和较高的提取精度.     

一种改进的栅格星图识别算法

针对传统的栅格算法提取的特征模式不能反映其内在相似程度进而影响星图识别准确性的问题,提出了一种改进的栅格算法.利用特征模式间的度量函数反映不同特征模式之间的相似程度,解决了传统算法中由于位置量测误差造成的影响.根据实际情况建立了仿真环境,进行了仿真实验.结果表明:当星点位置噪声大于1.5像素时,改进算法的星图识别成功率明显高于现有的栅格算法;在存在"假星"的情况下改进算法的星图识别成功率优于现有的算法,验证了算法的有效性.     

基于星三角形外接圆的星图识别算法

三角形外接圆半径能部分描述三角形的结构特征,在三角形两条边长及其外接圆半径已知的情况下,可以确定唯一的三角形,因此提出了一种基于三角形外接圆的星图识别算法。构建了导航星数据库,以特征三角形为匹配模板,减少了导航星三角形的数量,从而减小导航星数据库容量。为了提高搜索效率,以特征半径为搜索量,并对其进行升序排列。通过对特征半径的匹配,缩小了角距匹配的范围,提高了角距匹配的速度,同时采用的多三角形的组合有效地提高了识别率。为了保证星图识别的准确性,引入了验证识别环节。仿真结果表明:当存在2像元的位置噪声时,识别率大于97.42%,平均识别时间为38.41 ms,实时性与鲁棒性均优于传统三角形星图识别算法。     

星型区块链架构的TKM分片算法

区块链系统的通量严重不足,而解决此问题最有效的一类方案是并行化处理,并行化方案主要为星型架构,当前星型架构对系统中节点的分片方式多为账户随机分片,这种分片方式的系统通量仍然不足。针对此问题,提出了一种基于星型结构的TKM分片算法,该算法将原始K-means聚类算法进行改进,并运用在节点分片上。TKM分片算法将聚类算法与区块链的网络分片技术相结合,使节点根据地理位置进行分片,极大提高邻近节点发生的交易为片内交易的概率,从而提高系统通量,同时在原始算法的基础上引入了时间戳,减少了恶意节点的攻击。仿真实验表明该算法与传统的随机分片算法相比,最大系统通量提高了20%。根据上述通量模型,通过实验得出基于TKM算法的星型区块链系统的最优分片数量。     

星象跟踪的实时性改进

针对弹道导弹星象跟踪实时性问题,提出星象跟踪的实时性改进的一种新方法。该方法根据星象跟踪/预测方法与跟踪模式特点,首先,建立了基于统一存储的星表模式库,并采用k-vector作为检索方法,以提高检索速度;其次,为实时生成局域星象信息集合,提出了并行多维检索的方法,以节省提取星像信息的时间;最后,进行算法性能分析。仿真实验结果表明:该算法能够大大地提高星象跟踪的实时性,提高导弹命中精度。     

一种基于星三角形的星图识别算法

提出了一种基于星三角形的星图识别算法。根据星三角形构造其对应的模式向量,按照三角形周长进行升序排列,并构造辅助索引向量,提高搜索效率;通过分析三角形算法产生误匹配或冗余匹配的主要原因,根据估计最大位置误差建立相近模式向量表,以提高识别成功率。仿真实验表明：当位置噪声在估计最大位置误差范围以内时,本算法识别成功率可达99％以上,平均识别时间为1．8ms,很好地满足了星图识别的要求：     

高精度星敏感器的导航星识别定位算法研究

介绍了星敏感器的基本工作原理,分析了恒星能量在星图的分布特点,结合星图的特点提出了星敏感器导航星点识别定位方法,按照处理顺序,介绍了导航星阈值确定,连通性分析和内插细分等其中各步骤算法,并用星敏感器通过导航星角距标定新方法对该方法进行了定位精度检测,取得了较为满意的结果。     

Matrix decomposition on the star graph

We present and evaluate, for the first time, a parallel algorithm for solving the LU decomposition problem on the star graph. The proposed parallel algorithm is of O(N³/n!) computation complexity and uses O(Nn) communication time to decompose a matrix of order N on a star graph of dimension n, where N⩾(n-1)!. The incurred communication time is better than the best known results for the hypercube, O(Nlogn!), and the mesh, O(N√n!), each with approximately n! nodes. The proposed parallel algorithm takes advantage of the attractive topological qualities of the star graph in order to reduce the communication time involved in tasks such as pivoting, row/column interchanges, and pivot row and multipliers column broadcasts     

星型结构的多目标粒子群算法求解多模态多目标问题

首先,根据多目标粒子群算法中的粒子结构信息,利用非支配解集构造粒子个体邻域之间的拓扑结构,提出星型结构的多目标粒子群算法用于求解多模态多目标问题。其次,针对多目标粒子群中全局最优个体选择困难,提出一种非支配解集分布均匀程度的评价方法,评价结果用于确定当前粒子对应的全局最优个体。最后,结合2种方法提出带均匀计算方法的星型拓扑结构多目标粒子群优化算法STMOPSONCMIU。通过测试函数分析算法的收敛性,表明改进的算法比原来的算法收敛速度快。实验结果表明,该算法可以较好地兼顾问题的目标空间和决策空间的分布,有效解决多模态多目标问题。     

Nearly optimal one-to-many parallel routing in star networks

Star networks were proposed recently as an attractive alternative to the well-known hypercube models for interconnection networks. Extensive research has been performed that shows that star networks are as versatile as hypercubes. This paper is an effort in the same direction. Based on the well-known paradigms, we study the one-to-many parallel routing problem on star networks and develop an improved routing algorithm that finds n-1 node-disjoint paths between one node and a set of other n-1 nodes in the n-star network. These parallel paths are proven of minimum length within a small additive constant, and the running time of our algorithm is bounded by O(n²). More specifically, given a node s and n-1 other nodes {t₁, t₂ , …, t_n-1} in the n-star network, our algorithm constructs n-1 node-disjoint paths P₁, P₂, …, P_n-1, where P_i is a path from s to t_j of length at most dist(s, t_j)+6 and dist(s, t _j) is the distance, i.e., the length of a shortest path, from s to t_j, for i=1, 2, …, n-1.The best bound on the path length by previously known algorithms for the same problem is 5(n-2)≈10Δ_n/3, where Δ_n=max{dist(s, t)} is the diameter of the n-star network     

Distributed star coloring of network for IP traceback

IP traceback using packet marking technique allows direct traceback of attackers. Under this strategy en route routers inject mark into packets which is later used to unambiguously identify the source of an attack. Star coloring approach allows the mark to be reused, thereby saving bit space and at the same time explicitly identify the attacker. As the Internet structure is unknown, in the present work we propose a distributed approach of assigning color (mark) to routers such that the star color template is followed without consideration of the graph structure. An algorithm is proposed to minimize the color assignment conflict. The convergence of the algorithm is also discussed. Simulation study is presented to support the convergence analysis.