基于函数主成分的函数型数据分类研究

不同属性特征可以反映出数据不同的内在信息,越多的差异性特征对机器识别就更有利,但是越多的特征数目引起数据更高复杂度。针对函数型数据最主要的函数性和导数性这两大特征,本文提出对函数型数据函数特征、一阶导数特征和二阶导数特征的组合集成方法,然后引入函数型主成分分析的方法解决数据的复杂性问题,最后通过函数型主成分距离度量方式,采用k近邻(knn)分类以达到分类的效果。实验分析表明了函数型主成分分析方法与混合多特征组合距离的结合,在函数型数据分类中的有效性。     

基于改进哈希算法的图像相似度计算

图像的相似度计算是图像检索中的一个关键性问题,在网络搜索引擎和计算机视觉等领域有着广泛的应用。传统的哈希算法采用离散余弦变换、主成分分析等方法处理图像,存在着方块效应和鲁棒性差等问题,为了解决传统算法的不足,文中提出一种基于奇异值分解(SVD)和离散小波变换(DWT)相结合的感知哈希算法进行图像相似度计算。通过奇异值分解对图像进行降噪处理,这样保证降噪后的图像在后期处理时对结果干扰减少,然后通过离散小波变换得到图片中的低频部分用于计算哈希值,保留图像的主体信息,最后通过计算哈希值的汉明距离来测评图片的相似度。实验结果表明,与现有的图像相似度计算方法相比,文中提出的算法性能好,鲁棒性高。     

基于MapReduce的XML编码研究

XML因其自描述性和可扩展性作为网络中一种主要数据形式得到越来越多的应用,单一XML文档数据量变得越来愈大,如何有效求解满足一定查询语义的结果是XML数据查询技术的一个核心问题,其中基于XML文档对应文档树采用的编码是影响查询效率的关键因素。本文实验过程是通过MapReduce计算框架完成,将前缀流编码作为研究对象,提出了一种新的编码MINDewey码。对比Dewey码,ED码,通过在分布式集群下编码效率提高了至少10%。     

计算机病毒传播的复杂网络建模分析

随着科学技术的进步,计算机网络的不断发展,大量的计算机病毒也不断出现,并大量破坏和入侵用户计算机中。因此,应该建立计算机病毒传播模型来分析传播的实际规律,从而能够有效抵制病毒的传播。一般来说,传统计算机病毒模型都是在规则网络、随机网络中建立的,现阶段,在分析和研究计算机病毒的时候,复杂网络成为重要的建设依据,展现了传播病毒的新规律。文章对此进行了研究。     

基于光谱泛相似测度的色纺纱线与织物间呈色规律

针对色纺织物呈色机制的复杂性与特殊性,建立了基于离散Fréchet距离与皮尔森相关系数的光谱泛相似测度模型;结合特征间的类内距离与类间距离, 构建了光谱反射率曲线特征差异性判别准则,并应用于色纺纱线与其织物间的颜色传递与影响因素分析。结果表明:相较于传统色差分析模型,建立的光谱泛相似测度模型与差异性判别准则具有稳定且有效的颜色表征与判别能力;同时,染色纤维的混配比、性状特性、种类以及捻系数差异均会对其纱线和织物的呈色产生显著影响;当染色纤维混配比差异小于2.0%以及纱线捻系数差异小于10时,纱线与织物间存在颜色变化,但相对于纤维性状与种类差异而言,织造过程引入的影响有限,属于弱干扰因素。     

基于混合色彩空间独立特征的色纺面料颜色表征模型

为解决色纺加工中染色纤维整体呈色特性难以准确描述的问题,建立了基于混合色彩空间的独立特征颜色分析模型。对Lab与HSV 2种颜色空间中具有相同属性的颜色分量进行独立融合,并构建混合色彩空间;在此基础上,分别采用三阶颜色矩和局部纹理统计特征对色纺织物图像的颜色信息进行表征与融合。结果表明:对于色纺针织物或梭织物而言,所建立的颜色表征模型不仅能够对较大范围内的质量配比变化进行有效表征,而且对于染色纤维细微调整而导致的颜色改变亦能准确表达,具有理想的鲁棒性与普适性。     

基于鳞片纹图基因码的羊绒理论识别精度及正误判率

针对羊绒与细羊毛鉴别的问题,研究了鳞片纹图基因码关于羊绒的的识别精度。研究表明, 虽然羊绒与细羊毛同一鳞片纹图基因码的分布类型相同,但数字特征却大同小异,羊绒鳞片纹图基因码的数字特征表明其鳞片更似方形或窄矩形,而细羊毛的则更似宽矩形。在所有纹图基因码中,两类纤维鳞片面积、周长和矩形度的分布几乎完全重叠,表明三者无法用于纤维鉴别。两类纤维其它纹图基因码的分布部分重叠,据此可建立具有最小识别误差的纤维辨识标准,获得了羊绒纤维最大识别概率为88.8%,羊毛最大识别概率为92%,最小识别误差为10.7%的结论。这些结论为羊绒鉴别最优基因组的发现提供了理论参考。