改进的并行快速排序

排序是计算机内一类很耗时的问题,快速排序是众多排序方式中相对较省时的算法,但当数据量大时,其耗时还是惊人的。为了解决大数据快速排序耗时的问题,论文在常用的快速排序并行方法的基础上,给出了一种改进方法,使其在时间复杂度上有明显的改进。     

新的组合赋权 TO PS IS 法及其在船舶设计决策中的应用

多属性决策的结果与权重向量的选取有密切的关系。分析了主观赋权和客观赋权的优劣,提出了一种新的组合赋权方法。该方法通过在专家评分法、层次分析法、信息熵法、变异系数法这四种主客观赋权方法间建立平衡系数的概念,使最终的组合赋权向量与原向量间欧氏距离最小。将这种组合赋权方式与 TOPSIS法结合应用于载重量DW＝35000t原油船船型方案决策分析,评判结果表明,新的组合赋权 TOPSIS法简单易行,意义明确。同时能兼顾主客观赋权的优点,合理、客观地给出排序方案。这种综合方法也能推广应用于船舶决策的其他领域。     

基于 HowNet 的用户兴趣挖掘研究及应用磁

搜索引擎中用户查询和网页资源之间的相似度研究一直是页面排序的研究核心。利用 HowNet 对词语的语义层次架构模型,对用户的检索词进行兴趣挖掘,同时对检索词和挖掘出的兴趣关键词的语义相似度计算方法进行改进,用户的检索请求与分块后的网页资源进行相似度迭代计算。实验结果表明,改进的算法使得页面排序的准确率和首页命中率有了较大提高。     

微分进化算法整数编码策略实现研究

微分进化算法（DE）是模仿生物进化“优胜劣汰、适者生存”的一种随机优化算法,具有简单、快速、鲁棒性好等特点,已经得到广泛应用.通过运用微分进化算法的整数编码方法,在整数空间中求解,并在实数空间中计算解的适应度.使用测试函数对程序进行测试,证明了整数编码解对空间个体中寻优的快速性、准确性.     

文献搜索引擎中特征项及权重的应用

针对目前用户在使用搜索引擎过程中,检索结果冗余、效率低下等问题,本文在对文献垂直搜索系统中Lucene.Net的索引算法研究基础上,结合用户实际专业检索需求,改变其算法中的激励因子,实验结果证明该方法确能提高搜索结果的相关度.     

基于自排序熵的表面肌电信号特征提取方法

针对人体表面肌电信号的非平稳、非线性特点,提出一种基于排序熵和自互信息的自排序熵指标,定量描述表面肌电信号的内在动力学特性,实现肢体不同运动状态下肌电信号非线性特征的有效刻画.进行健康受试者上肢肘关节不同弯曲角度下表面肌电采集实验,计算其自排序熵指标并运用支持向量机进行动作识别,通过与已有表面肌电特征指标的对比分析,验证文中方法的有效性.     

查询无关排序主题模型

主题模型已成为机器学习和自然语言处理等领域研究的重要工具,它可发现大规模语料库中的隐含主题.随着语料库规模增大,发现的主题规模也随之增大.绝大多数主题模型以词袋模型为基础,无法描述词项间的顺序关系,使得主题之间无法按照重要性区分.文中提出查询无关排序主题模型框架,利用主题间各种关系排序主题,得到有序主题列表.主题关系从主题层面评价主题影响度,继而提出词项贡献度,从词项语义层面评价主题,削弱流行但语义空泛的排序主题.由于排序主题模型尚未有公认的评价标准,将有序主题作为特征进行多文档自动文摘生成,通过文摘效果间接评价主题排序的效果.实验结果证明有序主题模型优于非排序主题模型的结果.     

基于面法向规范化的重加权全局双边滤波

在网格去噪中,由于面法向对于噪声非常敏感,当网格噪声较大时,依赖于2个高斯函数的双边滤波器难以找到合适的方差参数来自适应地区分噪声和特征附近的法向变化,导致出现无法有效地去除噪声或者破坏网格的结构特征的问题.为此,提出一种改进的基于面法向的全局双边滤波算法.首先通过面法向规范化加强对噪声和特征附近面法向变化的区分,应用规范化后的法向量计算双边滤波中刻画法向变化的权重,以克服参数选择难题;其次根据重加权的思想加大对噪声的惩罚力度,进一步提高了降噪效果.大量实验结果表明,该算法无论从视觉上还是从数值上都取得了比现有算法更好的降噪结果.     

以度量分段约束为特征的形状匹配算法

为在形状匹配的过程中利用较少的计算时间获取较高的识别率,同时兼顾形状特征对几何变形的鲁棒性,提出一种以度量分段约束为特征的形状匹配算法.通过提取形状轮廓上采样点间的度量信息,如欧氏距离、三角形半径等,约束每个采样点与整体形状之间的几何关系;进一步,将度量信息进行分段描述,以增强该算法对几何变形的稳定性;最终结合动态规划算法完成形状的匹配.在国际通用数据库上的实验结果表明,文中算法能够快速、有效地实现形状的匹配,且对于形状变形具有较好的适应性;此外,该算法适用于多种几何度量信息,便于扩展和推广.     

快速非局部均值形态成分分析唐卡图像修复算法

唐卡图像包含内容丰富、颜色复杂,使用基于形态成分分析(MCA)的图像修复算法修复图像时,增加全变分对恢复有毛糙边缘的分段光滑图像效果较好,但其很难有效利用图像全局冗余相似信息,并且易产生阶梯效应.针对该问题,提出一种快速的非局部均值MCA唐卡图像修复算法.该算法利用像素周围固定大小窗口内的信息表征该像素的特征,使得像素估计结果能够很好地保留结构细节信息,即分解后的结构部分具有更稀疏的梯度,使得后续的迭代分离效果更加优良;同时,使用该算法有效地减少了区域内不相关像素权值的计算,降低了算法的复杂度.对于唐卡图像中出现的折痕、斑块状破损以及部分信息缺失的修复实验结果表明,文中算法具有良好的修复能力.