基于改进SSD的道路交通标志检测

针对复杂环境下交通标志检测精度低的问题,设计了一种检测精度更高的目标检测算法,对SSD深度学习目标检测算法进行了优化改进;将深度特征表征能力较强的Resnet50网络模型融入于SSD算法中;采用K-means++聚类算法确定SSD中先验框的尺寸,提高交通标志的检测率;分别利用SSD模型和改进的SSD模型做检测对比实验,结果表明,改进算法对各类型交通标志的检测精度比原SSD算法更高;改进的SSD方法对交通标志进行检测能取得较好效果,弥补了原算法的不足.     

基于谱聚类的不平衡数据欠采样方法研究

不平衡数据的分类问题在数据挖掘和机器学习领域中,一直是备受关注的问题.论文从数据预处理方面出发,提出一种基于谱聚类的欠采样方法,以此来降低数据的不平衡程度.先对多类样本进行谱聚类,根据每个聚类簇的密集程度,以及到少类样本的平均距离,来计算每个聚类簇的采样数目和选取怎样的多类样本,此欠采样方法可以有效去除多数类的冗余数据.实验结果证明,该算法可以有效提升少类样本的分类效果.     

融入类贡献抑制因子的灰度级模糊C均值图像分割

基于灰度级模糊C均值图像分割算法具有分割速度快的优势。由于无损检测图像中背景类和目标类差异较大,该算法不能有效地将目标分割出来,故提出改进的基于灰度级的模糊C均值算法。构建了一种与类大小反向相关的类贡献抑制因子表达式,将之融入目标函数后能够降低较大类对目标函数的贡献,这可避免较小类的聚类中心受较大类的影响而靠近较大类的聚类中心。最小化新的目标函数可得新形式的隶属度和聚类中心表征形式。采用类大小差异较大的无损检测图像进行试验,结果显示本文算法得到的分割图像视觉效果良好,而且指标G_mean也更高,进一步提升了基于灰度级模糊C均值算法适应能力。     

一种面向Mashup应用的API推荐方法

在动态变化的网络环境下,来自组合服务或Mashup的服务可能不可用或失效。此外,随着越来越多的服务在互联网上,用户很难找到他们想要的服务。服务聚类是辅助服务发现的一种重要方法,但是已有的服务发现方法没有考虑服务本身的规格(Specs)信息。针对上述问题,提出了一种面向Mashup应用的API推荐方法,通过LDA主题聚类对API描述信息进行聚类,通过Word2Vec以及相似度计算从功能相似性的角度判断失效API所属主题类簇,在该主题类簇下通过失效API的规格信息进行进一步筛选,将失效API与筛选后的主题类簇中的API进行相似度判断,从而得到推荐API的集合。最后以ProgrammableWeb网站上的真实数据进行了实验,与传统的K-means、TF-IDF方法相比,实验结果表明该方法在一定程度上可以提高推荐结果的准确性。     

稳定的K-多均值聚类算法

指定K个聚类的多均值聚类算法在K-均值算法的基础上设置了多个次类,以改善K-均值算法在非凸数据集上的劣势,并将多均值聚类问题形式化为优化问题,可以得到更优的聚类效果。但是该算法对初始原型敏感,且随机选取原型的方式使聚类结果不稳定。针对上述问题,提出一种稳定的K-多均值聚类算法,并对该算法的复杂度与收敛性进行了简要讨论。该算法先基于数据样本的最邻近关系构造图,根据图的连通分支将数据分为若干组,取每组数据的均值点作为初始原型,再用交替迭代的方法对优化问题进行求解,得到最后的聚类结果。在人工数据集和真实数据集上的实验表明,该算法具有更稳定更优越的聚类效果。     

自然反向最近邻优化的密度峰值聚类算法

密度峰值聚类算法是一种基于密度的聚类算法.针对密度峰值聚类算法存在的参数敏感和对复杂流形数据得到的聚类结果较差的缺陷,提出一种新的密度峰值聚类算法,该算法基于自然反向最近邻结构.首先,该算法引入反向最近邻计算数据对象的局部密度;其次,通过代表点和密度相结合的方式选取初始聚类中心;然后,应用密度自适应距离计算初始聚类中心之间的距离,利用基于反向最近邻计算出的局部密度和密度自适应距离在初始聚类中心上构建决策图,并通过决策图选择最终的聚类中心;最后,将剩余的数据对象分配到距离其最近的初始聚类中心所在的簇中.实验结果表明,该算法在合成数据集和UCI真实数据集上与实验对比算法相比较,具有较好的聚类效果和准确性,并且在处理复杂流形数据上的优越性较强.     

基于二阶k近邻的密度峰值聚类算法研究

密度峰值聚类(DPC)是近年来提出的一种新的密度聚类算法,算法的核心是基于局部密度和相对距离,通过画出决策图,人为选定聚类中心,进而完成聚类.DPC算法利用截断距离计算局部密度,本质上只考虑了周围近邻节点的数量,且算法采用单步分配策略,一定程度上限制了算法对任意数据集的计算精度和有效性.针对上述问题,提出基于二阶k近邻的密度峰值聚类算法(SODPC).算法通过引入节点的二阶k近邻,计算直接密度和间接密度,重新定义局部密度的计算方式.在此基础上,定义非中心节点的多步骤分配策略完成聚类.通过人工和真实数据的测试,证明了该算法对不规则、密度不均匀的数据集具有较好的聚类效果.     

基于像素聚类的空间变化表面材质建模

针对空间变化表面材质的反射属性提出了一种基于图像的轻量化建模方法。仅需利用消费级手 机,在环境光和点光源下分别对平面材质样本拍摄一幅图像,即可计算重建其表面的双向反射分布函数 (svBRDFs)参数图、法向量图、切向量图等材质属性。其中对 BRDF 参数的拟合采用了一种基于像素聚类的策 略,即假定具有相似外观和结构特征的像素属于同种材质、共用一组参数,从而大幅降低参数拟合的难度。 在此基础上,通过一种新的迭代多步优化方案对全局和空间变化的参数进行拟合,产生高分辨率的 BRDF 参 数纹理图。该方法不依赖特殊设备,也无需采集海量数据,就能够为包括金属材质、各向异性材质等在内的 多种类表面材质产生高质量的 BRDF 参数图,以及高真实感的基于物理的绘制结果,因此更易于实现和应用。     

基于数据结构化的三维动画压缩方法研究

在三维动画应用日益广泛的背景下,研究三维动画数据压缩方法对其数据的存储、传播和渲染 技术至关重要。基于图像数据的结构化特征,计算机视觉领域提出了一系列高效图像压缩技术。鉴于三维动画 数据与图像数据结构的差异,探讨三维动画数据结构化方法,进而探索改进图像算法以实现一种新的三维动画 数据压缩方法。具体而言,首先研究对三维模型顶点序列进行优化调整;进而基于图像压缩算法的模块研究动 画数据的子块尺寸优化以及图像压缩算法量化矩阵优化方法;最后,通过采用不同类型动画数据进行测试,实 验结果表明优化图像压缩算法在压缩比和时效均得到有效提升和保障。     

基于结构熵约束的图聚类方法

针对以大数据为中心的信息开放共享平台,如何从嵌入大规模噪声结构的网络中解码出网络的真实结构,进一步在挖掘关联信息的过程中得到较为准确的挖掘结果的问题,提出基于结构熵的聚类方法实现对图中节点关联程度的划分。提出了计算二维结构信息的求解算法和基于熵减原则的模块划分算法,对图结构中节点划分得到对应的模块;利用 K 维结构信息算法对已划分的模块做进一步的划分,实现对图结构中节点的聚类;通过实例分析表明,所提出的图聚类方法不仅能够反映图结构的真实结构,而且可以有效地挖掘出图结构中节点之间的关联程度。同时对比了其他3种聚类方法,实验表明该方法在执行时间上具有更高的效率和保证聚类结果的可靠性。