基于模糊推理的名片识别后处理方法

针对名片信息的特点和通常的OCR名片识别方法识别率较低的问题,提出一种新的基于模糊推理的名片识别后处理方法.该方法通过OCR识别得到的文本信息和候选文本信息来进行文本内容分析,通过OCR过程中的图像切分参数进行版面分析,在分析中均采用模糊推理的方法,同时,提出一种新的模糊运算的交型算子,应用于模糊推理运算中.最后综合上述内容分析和版面分析的结果得到最终的信息分类结果.实验结果表明,该方法在名片识别和分类正确率方面明显优于其他几种常用名片系统采用的算法,本方法不仅提高了OCR识别的正确率,而且还提高了经后处理以后的识别正确率.     

复杂多约束UAVs协同目标分配的一种统一建模方法

多无人机协同目标分配(Multi-UAVs cooperative target assignment problem, MUCTAP)是一个条件复杂的多模型、多约束组合优化问题, 很难用一致的方法获得可行的解. 为解决该问题, 本文对各种目标分配模型统一建模, 设计了一致的模型处理方法; 针对三维环境特点, 提出利用空间垂直切面计算无人机估计航程代价的方法, 并利用航程代价矩阵优化目标分配算法; 同时加入协同约束关系计算, 提高分配算法的准确性. 仿真实验验证了该方法能够处理多种情况的目标分配问题, 具有较高的通用性和准确性, 能够有效完成多机协同目标分配任务.     

面向连续叠写的高精简中文手写识别方法研究

连续手写识别是中文手写输入技术的核心,自然、快捷地输入中文信息一直是模式识别乃至人工智能领域追求的目标。提出了一种有效克服小屏幕限制的连续叠写汉字识别方法。该方法基于切分-识别集成的解码框架,先使用过切分算法处理输入的书写轨迹;然后启用一种新颖的感知机算法判定字符的边界;随后采用来自字符分类模型、几何模型和语言模型的多种上下文信息进行路径解码。为适应不同类型的移动终端,特别提出了一种高效压缩字符分类模型的方法,以有效减少字符识别过程对存储和内存的占用。该识别方法已在Android平台上部署,并进行了大规模的测试实验。实验结果证实了该识别方法的性能和效率。     

面向程序验证的并行程序状态空间态约简技术综述

程序验证是保证程序安全性的重要手段.随着采用多核技术的硬件环境日渐普及,越来越多的软件正通过转向基于共享内存的并行程序模型来充分利用现有的计算资源.各线程在并行执行时通过共享内存的访问互相干扰执行状态,导致可能执行路径数成几何级数增长,进而产生可达状态空间爆炸问题.由于验证并行程序安全性主要通过分析程序可达状态来实现,因此,对并行程序可达状态空间的约简是决定并行程序验证效率的关键因素.首先对面向并行程序验证的并行程序可达状态空间约简方法进行了分类,然后对各类可达状态空间约简方法分别进行了分析和总结,最后指出了当前存在的问题和未来解决这些问题的研究方向.     

一种快速准蒙特卡罗粒子滤波算法

针对准蒙特卡罗(Quasi-Monte Carlo, QMC)方法应用于粒子滤波采样时计算复杂度高, 以及粒子滤波中重采样步骤引起样本枯竭的问题, 提出一种结合准蒙特卡罗方法的粒子滤波算法, 在重要性采样后, 将生成的随机化QMC序列分别映射到以大权重粒子为核心的独立子空间上, 避免了直接对采样空间进行预测, 同时又保持了样本多样性. 实验结果表明该方法可以有效抑制样本枯竭现象, 获得了高于蒙特卡罗(Monte Carlo, MC)方法的估计精度, 而计算效率与粒子滤波相近.     

从GCC的AST文本提取C源程序静态信息的方法

为了能够正确的分析源程序的控制依赖关系和数据依赖关系,以便在此基础上进行程序切片及冗余代码和重复代码检测,提出一种利用GCC抽象语法树(AST)文本来提取源程序静态信息的方法.首先,对GCCAST文本进行标准化及消除文本中与控制流分析和数据流分析无关的结点信息;其次,构建控制依赖子图;同时如果需要数据流分析,在控制依赖子图的基础上构建控制流图,在控制流图的基础上构建数据流子图;最后通过引入过程间分析来完善系统依赖图.实验结果表明,这种方法基本能正确的分析源程序的控制依赖和数据依赖关系,具有更好的适应性和灵活性.     

虚拟时间及其在数据竞争检测中的应用

为将虚拟时间机制应用于数据竞争检测,提出描述虚拟时间3种基本实现形式的统一模型.先建立分布式执行的抽象模型,在此模型下统一描述虚拟时间的3种基本实现形式,即标量时间系统、向量时间系统和矩阵时间系统,并以向量时间系统和矩阵时间系统为例介绍虚拟时间的4种优化技术,最后讨论将虚拟时间应用到共享内存并发系统的数据竞争检测中需要解决的问题以及4个应用实例.结果表明,提出的模型能统一描述虚拟时间的不同实现形式,并能降低基于虚拟时间检测数据竞争的应用难度.     

基于间隔损失和L1范数调节的特征选择方法研究

特征评价和选择是机器学习和模式识别的重要步骤。为了获得稀疏特征子集,结合间隔损失评估策略和L1范数调节技术来获得一种有效的特征选择方法(MLFWL-L1),并将其应用到RBFSVM分类器。实验中,在UCI数据集上将提出的算法与Simba和ReliefF对比表明,验证所提出的算法是一种有效的特征选择方法。     

大间隔分类学习研究现状

在机器学习领域中,间隔扮演着重要的角色。可以用来度量分类的置信度;其理论泛化界也可用于指导分类算法的设计。近年来,该理论已广泛应用于特征选择,分类器训练和集成学习。实际上,间隔思想表明如果在训练阶段模型能够产生大的间隔,那么分类任务将有好的置信度和高可靠性。文中介绍大间隔分类学习方法的研究现状,并给出了其存在的问题。     

基于K-最近邻的C克隆代码重构方法

在软件开发过程中,克隆代码已经成为引起软件缺陷的一个重要因素.针对现有的方法不能很好地处理内聚度低、功能交叉的克隆代码的问题,提出了一种基于K-最近邻的克隆代码重构方法.首先,对克隆代码进行静态分析,搜集控制依赖信息和数据流信息,再经过K-最近邻聚类方法,形成便于提取、功能独立的代码片段,然后对代码片段进行过程提取,使...