一种基于灰度值相似度的图像配准算法

图像拼接的过程由图像获取、图像预处理、图像配准和图像融合四个步骤组成,而图像拼接的质量主要依赖图像的配准精度。因此,图像的配准算法是图像拼接的核心和关键。本文提出了一种基于边缘提取条件下重叠区灰度值相同比率的图像配准算法,可实现存在灰度值差异和旋转关系条件下的图像配准。     

解析初中数学中思维导图的应用

初中阶段正是培养一个人创新思维能力的关键时期,而数学这一学科又是锻炼和培养学生思维能力的关键学科,为此,教师开始思考如何借助初中数学教学来完成对学生创新思维能力的培养。思维导图的提出给教师改革初中数学教学模式提供了方向。本文主要对初中数学中思维导图的应用进行探索分析,希望能给相关同仁带来一点参考和建议。     

思维导图在初中英语教学中的运用研究

英语学科的教学内容存在知识点较为分散的特性,学生很难自行通过学习构建完整的知识体系,这将对英语学科的教学效果带来一定影响。而思维导图属于一种思维工具,通过绘制思维导图可将思维发展的过程具体化,在教学过程中的应用可以有效帮助学生完善自身的知识体系。本文以初中阶段的英语教学为例,探究思维导图的主要运用方法,以期能够借助思维导图增强学生的英语思维和强化英语教学的整体效果。     

上下文敏感的横向传播方法

为了有效提高基于调用图的上下文敏感指针分析能力及其上的环消除算法的时间分析效率问题,提出一个新的上下文敏感的横向传播算法.该算法使用当前最优秀的基于包含的指针分析在线改进技术.首先对新约束图的定义进行说明,将其初始化;为了证明上下文敏感的横向传播算法能精确有效地对源程序进行上下文敏感的指针分析,引入实例进行论述;最后用CIL工具进行实验,实验证明上下文敏感的横向传播算法在分析大规模程序时的时间花费减少了9s左右.     

一种基于邻近性和团的异常数据检测算法

随着数据科学研究的不断深入,异常数据对数据分析工作的干扰也越来也大,如何有效检测异常数据已成为数据研究的关键问题之一.目前传统基于距离的方法仅考虑单个对象的异常性,缺少对正常对象之间如何抱团的分析,针对此问题,论文提出了一种基于邻近性(Proximity)和团(Clique)的异常检测算法——PCOD(Proximity Cliques Outlier Detec-tion)算法.该算法引入了图论中团的概念,通过团来解释正常对象之间的连接,根据数据对象间的连接性来分析数据点是否为异常点.PCOD算法主要包括两个步骤:首先,根据数据对象之间的邻近性,将数据中各个对象表示为存在边的无向图;再递归搜索图获取所有团集合,对所有的团进行分析并检测出没有抱团的异常点.最后,使用Arrhythmia、Pima、Vowel等UCI数据集进行实验,实验结果表明PCOD算法在精确率方面优于同类异常检测算法.     

基于EEMD-多尺度排列熵-SVM的小电流系统故障选线仿真

针对小电流系统故障时选线困难,提出结合多尺度排列熵与SVM的选线方法.首先,用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)算法对故障时各线路的零序电流进行分解.其次,计算固有模态函数的多尺度排列熵,建立SVM分类器.最后,利用多尺度排列熵作为特征向量训练相应的SVM分类器,通过SVM输出分类结果,判断故障线路.通过实验表明,该方法选线计算速度快,原理简单,准确率高.     

基于改进栅格图的道路和障碍物检测算法研究

多线激光雷达(LIDAR)是无人驾驶汽车在环境感知过程中的核心传感器,运用多线激光雷达中提取的点云数据进行道路和障碍物检测是环境感知过程中重要的任务.目前常见的栅格化算法无法实现高效的障碍物和道路检测,论文针对这些问题提出一种新颖改进栅格化方法,通过统计栅格内点云高度分布的方法进行障碍物分类,有效避免噪声点和悬浮障碍对结果的影响,并运用自适应半圆弧道边点搜索和改进RANSAC(Random Sample Consensus)算法结合进行道边检测.最终,在实验中验证了算法的精度和实时性.     

基于图嵌入的自适应多视降维方法

随着监控摄像头的普及和数据采集技术的快速发展,多视数据呈现出规模大、维度高和多源异构的特点,使得数据存储空间大、传输慢、算法复杂度高,造成“有数据、难利用”的困境。到目前为止,国内外在多视降维方面的研究还比较少。针对这一问题,本文提出一种基于图嵌入的自适应多视降维方法。该方法在考虑视角内降维后数据重构原始高维数据的基础上,提出自适应学习相似矩阵来探索不同视角之间降维后数据的关联关系,学习各视数据的正交投影矩阵实现多视降维任务。本文在多个数据集上对降维后的多视数据进行了聚类/识别实验验证,实验结果表明基于图嵌入的自适应多视降维方法优于其他降维方法。     

外部信息引导和残差置乱的场景图生成方法

场景图因其具有的表示视觉场景内容的语义和组织结构的特点,有助于视觉理解和可解释推理,成为计算机视觉研究热点之一.但由于现存的视觉场景中目标和目标之间关系标注的不平衡,导致现有的场景图生成方法受到数据集偏置影响.对场景图数据失衡问题进行研究,提出一种基于外部信息引导和残差置乱相结合的场景图生成方法(EGRES),缓解数据集偏置对场景图生成的负面影响.该方法利用外部知识库中无偏置的常识性知识规范场景图的语义空间,缓解数据集中关系数据分布不平衡的问题,以提高场景图生成的泛化能力;利用残差置乱方式对视觉特征和提取的常识性知识进行融合,规范场景图生成网络.在VG数据集上的对比实验和消融实验证明,提出的方法可以有效改善场景图生成.对于数据集中不同标签的对比实验证明,提出的方法可以改善绝大多数关系类别的生成性能,尤其是中低频关系类别下的场景图生成性能,极大地改善了数据标注失衡的问题,比现有的场景图生成方法具有更好的生成效果.