基于聚类的镜头边界检测算法

镜头边界检测是基于内容视频检索的重要组成部分。为从不同类型的视频中有效地检测出视频镜头边界,提出一种视频镜头边界检测算法。通过视频帧图像的颜色特征,得到视频的相似性矩阵,根据突变镜头和渐变镜头在Affinity Propagation聚类结果中的不同特点,运用双阈值法检测镜头边界。实验结果表明,该算法从视频的本身信息分布出发,能自动快速地检测出镜头边界。     

基于预处理的视频镜头边界检测算法

针对视频镜头边界检测的高时耗问题,提出了一种基于视频预处理的视频镜头边界检测(SBD)改进算法。通过使用自适应的阈值选择可能包含镜头边界的候选段,候选段内首帧与其余各帧进行相似度对比检测出镜头起始帧,并立即检测切变。若候选段中不包含切变,则进行渐变检测。调整候选段以保证镜头边界位于同一段内,段内其余各帧与起始帧进行相似度对比确定镜头结束帧。实验结果表明,所提算法镜头边界识别准确率能够达到90%以上,且与倒三角模式匹配方法相比能够节约时间15.6%~30.2%;与对渐变和切变分别检测的算法相比,该算法能够在满足识别率的基础上提升检测速度。     

基于信息熵的自适应阈值视频镜头检测方法

文中提出了一种基于信息熵的自适应阈值视频镜头检测方法。首先,利用小波变换提取图像的颜色特征和纹理特征,然后利用信息熵方法来实现对突变和渐变镜头边界的检测,并根据滑动窗口中差值的分布来动态计算局部阈值,提高了镜头边界检测算法的精度。该方法能较好地检测出镜头突变,对渐变镜头也能达到检测的目的。实验结果表明算法能够有效地检测出视频镜头边界。     

一种二级级联分类的镜头边界检测算法

在分析镜头边界类型、检测方法的基础上,根据镜头的连续性特征,将一个二级级联分类器应用于镜头边界检测．第一级分类器根据视频帧灰度方差特征,将无明显变化的视频序列从原始视频序列中分离出去,得到一个新的视频序列;第二级分类器在新视频序列的基础上,提取视频图像的像素对差值、HSV空间颜色直方图的各分量差值以及边缘直方图X,Y分量差值等视频特征,并采用支持向量机多分类策略进行镜头边界类型的检测．实验结果表明,与积聚算法及SVM—TMRA算法相比,文中算法的综合性能更高且具有较高的实时性．     

一种基于TextTiling的镜头边界检测算法

镜头边界检测是基于内容的视频检索中的关键技术,提出一种利用TextTiling方法来识别视频镜头边界的算法。通过滑动窗口对视频进行初步切割,利用主成分分析将视频帧投影到特征子空间,并在投影空间上计算相邻帧间距离,再根据相邻窗口之间的深度值确定视频镜头边界。针对TREC-2001视频测试数据集的实验结果显示,该算法检测镜头边界的平均查全率和平均查准率分别为89%和96.5%。     

一种基于模型的扫换检测方法

视频自动分割是实现视频数据库检索必不可少的一个过程,其基础是镜头边界检测.当前已有的算法能够较准确地检测出镜头突变,但对于镜头的渐变则常常会漏检,这是由于镜头渐变时帧间差没有一个明显的峰值,因而其检测比突变检测要困难得多.扫换是一种常用的视频空间编辑手段,用于实现多种镜头变化.通过分析各种类型的扫换,提出了一种新的基于视频空间编辑模型的扫换检测算法,其性能优于Alattar提出的基于统计特征的算法.对用AdobePremiere5.1生成的各种扫换视频进行检测.实验结果表明,这种扫换检测算法能够较好地适应     

视频镜头边界检测的统一策略

随着计算机和影视技术的发展，用来有效地组织、索引和检索海量视频数据的基于内容的视频检索系统吸引了众多学者的兴趣，而自动镜头边界检测是实现基于内容的视频检索的一个重要步骤。因此，为了有效地进行视频镜头边界检测，在介绍现有的镜头边界检测基本方法的基础上，提出了一种镜头边界检测的统一策略。由于它是在综合考虑视频的颜色特征和时间特征的基础上来建立基于幅值映射的1维视频特征曲线，并利用小波分析对信号奇异点的检测能力和对噪声具有较强的鲁棒性，首先实现了镜头边界的预检测；同时利用1维特征曲线在镜头边界区间中表现出的良好统计特性实现了对渐变镜头的进一步分类，进而实现了在统一检测框架下的镜头边界检测。实验结果表明，该算法能够有效地检测出视频镜头边界。     

一个自动阈值选择的镜头检测算法

对现有视频分割工作进行了简要回顾 ,并在已有的 Twin Comparison方法基础上 ,提出了一种新的象素域镜头检测算法 .该算法使用了一个滑动窗口进行镜头边界识别 ,仅需要一趟视频解码和扫描 ,提高了算法的速度 ,这样该算法可以应用于实时视频流的镜头检测 .同时该算法够根据滑动窗口中的帧间颜色直方图差异值来动态计算用于识别镜头变换的局部阈值 ,提高了镜头边界检测算法的精度 .实验结果显示 ,文中所述方法在速度和精确度上都优于 TwinComparison算法     

一种基于特征跟踪的视频镜头检测算法

将视频切分为镜头是视频内容分析及基于内容的视频检索和浏览的第一步。针对视频镜头边界检测,提出了一种基于特征跟踪的新算法。该算法从镜头起始帧中提取出一组角点特征,然后在后续帧中基于Kalman滤波进行特征窗跟踪,最后根据对应特征窗内的像素特征变化规律,得到镜头边界检测所需的测度,判断镜头切换的性质和渐变镜头的起止时间。实验结果表明该算法运算复杂度低,且具有较强的鲁棒性。     

基于流形特征的镜头边界检测后处理算法

镜头是视频分析和检索的基础,为了有效检测镜头边界,并对镜头边界进行分类,提出一种新的镜头边界描述子：镜头边界流形．视频流可以看做一个高雏空间,镜头边界流形是隐含在该空间中的局部结构,它能够有效区分镜头边界和非镜头边界,以及区分不同类型的镜头边界．采用这种特征,提出一种后处理算法,一方面去除预检测镜头边界的虚警,另一方面将真正的镜头边界分类．实验结果证实了镜头边界流行的有效性以及后处理算法的优异性能．     

基于蚁群算法的聚类优化

为解决大型网络中的最短路径问题,基于蚁群算法进行聚类优化研究。结合蚁群算法和聚类算法,将网络分割成若干个小网络后进行处理并合成,同时在过程中直接简化网络,透明化无意义的点。实验结果表明,优化后的算法能准确获得所要求的最优解,具有较快的收敛速度。     

基于图聚类与蚁群算法的社交网络聚类算法

针对社交网络中社交关系的有向性与多样性,提出了一种基于图聚类与蚁群算法的社交网络聚类算法。首先,在网络覆盖率的约束下为社交网络建立有向、非全连接的二维图模型;然后,采用K-medoids算法搜索用户分组的中心用户,采用人工蚁群算法在2D图中搜索各个用户与中心用户的相似性,将满足相似性阈值的用户分为同一个用户组。设计了低活跃用户的预测机制解决网络的稀疏性问题与冷启动问题。此外,通过网络覆盖率的约束条件权衡聚类准确率与覆盖率两个指标。仿真实验结果表明,该算法实现了较好的社交网络聚类性能,并且有效地缓解了稀疏性问题与冷启动问题。     

复杂网络簇结构探测——基于随机游走的蚁群算法

网络簇结构是复杂网络最普遍和最重要的拓扑属性之一,网络聚类问题就是要找出给定网络中的所有类簇.有很多实际应用问题可被建模成网络聚类问题.尽管目前已有许多网络聚类方法被提出,但如何进一步提高聚类精度,特别是在没有先验知识(如网络簇个数)的情况下如何发现合理的网络簇结构,仍是一个未能很好解决的难题.针对该问题,在马尔可夫随机游走思想的启发下,从仿生角度出发提出一种全新的网络聚类算法——基于随机游走的蚁群算法RWACO.该算法将蚁群算法的框架作为RWACO的基本框架,对于每一代,以马尔可夫随机游走模型作为启发式规则;基于集成学习思想,将蚂蚁的局部解融合为全局解,并用其更新信息素矩阵.通过“强化簇内连接,弱化簇间连接”这一进化策略,使网络簇结构逐渐地呈现出来.实验结果表明,对一些典型的计算机生成网络和真实网络,该算法能够较准确地探测出网络的真实类簇数与一些有代表性的算法相比,具有较高的聚类精度.     

移动WSN中基于分簇的自适应MPACO路由算法

为节省能量开销, 延长无线传感网络生存周期, 通过对蚁群算法的研究, 提出了一种无线传感网络中基于蚁群算法的剩余能量自适应优化算法, 并通过仿真研究与无线传感器网络中的EEABR算法进行了网络生存状态比较. 实验结果表明, 本文研究的剩余能量自适应蚁群算法能够达到网络优化从而实现延长网络生命周期的目的.     

蚁群算法在渤海内支线集装箱运输网络优化中的应用

为了解决集装箱海上运输网络系统的NP问题,采用智能仿生蚁群优化算法进行网络优化计算,寻找运输网络中的最短路径。以环渤海内支线集装箱运输网络系统为研究对象,通过构建蚁群优化模型,实验分析和计算,证明运用蚁群智能优化算法可以得到最优的航行路线,算法为合理进行集装箱运输网络的航线配置提供了一个参考依据。     

基于蚁群优化算法的瓦斯预测模型研究

针对瓦斯煤尘爆炸和煤与瓦斯突出给煤炭矿山企业带来的危害极大的问题,将蚁群优化算法和BP神经网络技术结合应用到瓦斯涌出量预测,建立比较准确的预测模型。重点研究了BP网络模型的选择与优化训练,通过蚁群算法优化解决了BP神经网络易陷入局部收敛的问题。仿真与实际数据验证表明：改进的神经网络算法对瓦斯涌出量预测能达到良好的效果。     

基于蚁群优化的二分网络社区挖掘

近年来,网络社区挖掘得到了极大的关注,尤其是针对二分网络的社区挖掘。二分网络社区挖掘对于研究复杂网络有非常重要的理论意义和实用价值。提出了一个基于蚁群优化的二分网络社区挖掘算法。该算法首先将二分网络社区挖掘问题转化成一个优化问题,建立一个可供蚂蚁搜索的图模型。同时,根据顶点的拓扑结构定义启发式信息。每只蚂蚁根据每条路径上的信息素和启发式信息选择路径,构造出一个社区的划分,再用二分模块度去衡量社区划分的优劣。实验结果表明,该算法不但可以较准确地识别二分网络的社区数。而且可以获得高质量的社区划分。     

Cooperation and profit allocation in two-echelon logistics joint distribution network optimization

Collaborative two-echelon logistics joint distribution network can be organized through a negotiation process via logistics service providers or participants existing in the logistics system, which can effectively reduce the crisscross transportation phenomenon and improve the efficiency of the urban freight transportation system. This study establishes a linear optimization model to minimize the total cost of two-echelon logistics joint distribution network. An improved ant colony optimization algorithm integrated with genetic algorithm is presented to serve customer clustering units and resolve the model formulation by assigning logistics facilities. A two-dimensional colony encoding method is adopted to generate the initial ant colonies. Improved ant colony optimization combines the merits of ant colony optimization algorithm and genetic algorithm with both global and local search capabilities. Finally, an improved Shapley value model based on cooperative game theory and a cooperative mechanism strategy are presented to obtain the optimal profit allocation scheme and sequential coalitions respectively in two-echelon logistics joint distribution network. An empirical study in Guiyang City, China, reveals that the improved ant colony optimization algorithm is superior to the other three methods in terms of the total cost. The improved Shapley value model and monotonic path selection strategy are applied to calculate the best sequential coalition selection strategy. The proposed cooperation and profit allocation approaches provide an effective paradigm for logistics companies to share benefit, achieve win–win situations through the horizontal cooperation, and improve the negotiation power for logistics network optimization.     

基于Q学习量子蚁群的微纳卫星路由算法

在微纳卫星网络中,传统蚁群路由算法不能同时保证数据传输的安全性和网络业务的服务质量,且易陷入局部最优解,收敛速度较慢。为解决上述问题,提出一种实现多目标优化的Q学习量子蚁群路由算法。该算法在选择下一跳节点的转移概率时,将路径的平均信任值和路径的费用作为两个优化目标,构成最优路径的节点性能指标,保证数据传输的安全性和网络业务服务质量。在考虑路径费用函数时,将量子计算引入到状态转移概率计算中,避免陷入局部最优解,并在算法中引入Q学习的思想,将信息素映射成Q学习的Q值,强化算法在动态环境中的学习能力,以提高路由的整体性能。仿真结果表明,与蚁群优化算法和改进的蚁群多约束路由算法相比,Q学习量子蚁群路由算法明显改善包投递率、平均端到端时延和节点平均能耗等性能指标,避免了蚁群算法易陷入局部最优解,提高了收敛速度,可适用于具有高速移动节点的微纳卫星网络。     

一种基于分簇蚁群策略的无线传感器网络路由算法

如何最大化地延长网络的生存时间是无线传感器（WSN）网络研究的核心问题.基于分簇策略,提出一种能量有效的路由算法（EEA）.该算法利用分簇原理减少了参与寻找最优路径的节点数,从而降低了系统的能耗.同时设计一种改进的最优路径评价标准,该标准兼顾了传输路径上各节点的剩余能量和最优路径上总的能量消耗.仿真结果表明,与其他蚁群策略的路由算法（如：基于蚁群算法的路由算法（ARA）和EEAWSN）相比,该算法能在寻找最优路径时避开剩余能量少的节点,使最优路径上各节点的能量呈整体性衰落,从而沿长了网络的寿命.