Adaboost和随机图划分的无监督图像分类

针对当前大多数无监督图像分类方法不能对每个图像类进行特征选择和自动确定图像类别的数量问题,提出一种基于Adaboost和随机图划分的无监督图像分类方法。该方法包括两个部分:1)将图像分类问题看做是一个自动的随机图划分问题,其中图的每一个顶点代表一幅图像,通过划分形成的子图代表了图像类。再采用Ada-boost算法对每一个形成的图像类进行特征选择,从而得到每类图像的表达模型。2)采用一种基于蒙特卡洛马尔可夫链(MCMC)的随机采样算法(SWC)来对图进行划分。相比传统的随机采样算法,SWC具有更快的收敛速度。在两个图像数据集上的实验结果表明,本文方法的分类性能明显优于其他现有的无监督分类法。     

基于图谱分解的人脸特征描述

文章探索用图谱方法嵌入且分析人脸几何特征,以图的邻接矩阵的主要特征向量来定义邻接矩阵的特征模。对每个特征模,计算谱特征向量,包括主分量特征值,模间邻接矩阵。用局部线性嵌入方法(LLE)方法嵌入这些向量到一个模式空间。另外,用人脸特征点来表示邻接图,并以几何平均图和模式特征向量的平均图两种方法对比描述不同嵌入方法的人脸特征。实验结果表明,谱向量特征平均方法能够较好地描述人脸。     

基于网络社团划分方法的多维数据聚类研究

为了解决传统聚类方法在多维数据集中聚类效果不佳的问题,提出了将网络社团划分的方法,并应用到多维数据聚类分析中。对于一个多维数据集,首先对分析对象进行特征提取,构建出每个对象的特征向量,通过计算皮尔森相关系数来度量不同特征向量之间的相似性,从而构建出一个相似性网络,采用Blondel算法对该网络进行社团划分达到聚类的效果。实验结果表明该方法可以在多维数据聚类中得到较好的聚类结果,准确率达到92.5%,优于K-means算法的75%。     

面向SoC的系统级并行划分方法

为缩短复杂SoC系统的设计周期,降低系统设计的复杂性,提出了一种SoC系统级的并行划分方法.引入带有信号激活率和输入输出延时的过程模型图,为SoC系统构建模型.设计一启发式算法对该过程模型图进行并行划分,同时,该算法能解决有环图的划分问题.通过大量的实验证明,划分结果同要求吻合,说明该划分方法是可行、有效的.     

基于遗传算法的聚类分析

给出了一种基于遗传算法的聚类分析方法。采用二进制编码方式对聚类的中心进行编码，并用特征向量与相应聚类中心的欧氏距离的和来判断聚类划分的质量，通过选择、交叉和变异操作对聚类中心的编码进行优化，得到便聚类划分效果最好的聚类中心。实验结果显示，该方法的聚类划分效果明显优于传统的K-均值方法。     

基于图谱分解的人脸表情分析

文中探索用人脸的几何结构图谱方法嵌入到模式空间来分析人脸表情,以图的加权邻接矩阵主要特征向量来定义矩阵的特征模。计算谱特征向量-模间邻接矩阵。用两类模式向量在范数下的多维尺度变换方法(MDS)嵌入该向量到一个模式空间,用人脸特征点来表示人脸图,并在模式空间里描述该嵌入方法下的同一人脸的不同表情。     

VLAN技术在实际应用的方案设计探讨

随着计算机网络应用的普及,网络技术的选择和设计的合理性成为网络能够稳定运行的重要因素。本文主要讨论虚拟局域网(VLAN)技术在实际的应用中,关于方案设计的合理性方面进行说明,并针对划分VLAN时出现跨越网络的核心的问题进行说明,采用网络的分层结构设计方法来解决跨越网络核心的问题,提高网络性能和网络的稳定性。     

动态图划分算法研究综述

图划分是大规模分布式图处理的首要工作,对图应用的存储、查询、处理和挖掘起基础支撑作用.随着图数据规模的不断扩大,真实世界中的图表现出动态性.如何对动态图进行划分,已成为目前图划分研究的热点问题.从不同动态图划分算法的关注点和特点出发,系统性地介绍当前可用于解决动态图划分问题的各类算法,包括流式图划分算法、增量式图划分算法和图重划分算法.首先介绍图划分的3种不同的划分策略及问题定义、图的两种不同的动态性来源以及动态图划分问题;然后介绍3种不同的流式图划分算法,包括基于Hash的划分算法、基于邻居分布的划分算法以及基于流的优化划分算法;其次介绍单元素增量式划分和批量增量式划分这两种不同的增量式图划分算法;再次,分别介绍针对图结构动态的重划分算法和针对图计算动态的重划分算法;最后,在对已有方法分析和比较的基础上,总结目前动态图划分面临的主要挑战,提出相应的研究问题.     

2D-FDA和Proximal SVM在人脸识别上的联合应用

对人脸图像进行二维Fisher鉴别分析(2D-FDA)的特称抽取与最临近支持向量机(Proximal SVM)的分类进行组合。首先把人脸图像按测试样本和训练样本进行划分。对训练样本进行2D-FDA特征抽取,得到抽取不同特征数目的具有最大鉴别信息的特征向量。然后再把此特征向量与测试样本相结合,用最简单的支持向量机进行分类,得到比用最小欧氏距离方法更高的识别效率,从而说明这两种方法的组合在人脸识别应用中发挥了各自的优点。     

如何进行大型信息系统的安全域划分和等级保护建设

一、安全域划分的方法和步骤对大型信息系统进行等级保护,不是对整个系统进行同一等级的保护,而是针对系统内部不同业务区域进行不同等级的保护。因此,安全域划分是进行信息安全等级保护的首要步骤。以某单位信息系统总体信息系统安全域划分和单独一个业务区域内部安全域划分为例(参考图1和图2),对信息系统安全域(保护对象)的划分应主要考虑业务和功能特性、安全特性的要求以及参照现有状况。图1信息系统总体安全域划分图图2某业务安全区域内部安全域划分图划分一个独立的业务信息系统的内部安全域的划分主要参考如下步骤:(1)查看网络上承载…     

一种基于ICFV的云计算数据库负载访问优化方法

为了优化云计算服务器数据库负载访问性能,采用基于特征向量的增量聚类方法(ICFV)对数据库负载访问性能进行优化。ICFV算法提取数据库负载的特征向量然后进行聚类划分,它与传统的基于负载特征向量聚类不同,采用的是增量聚类方法,不需要对所有负载集合进行重新中心距离计算,从而优化特征向量维数。通过实验证明,采用ICFV算法实现数据库负载自适应优化,提高负载聚类效率。在负载个数相同时,负载类别的增加对云计算数据库的访问性能影响较小,且ICFV方法运算效率优于CFV方法。     

基于点空间特征的两种点匹配算法

通过讨论和分析经典特征向量匹配算法的基本原理和抗噪性能问题,提出2种新的点匹配算法:加权特征向量算法和顺序匹配算法.加权特征向量匹配算法通过对点集距离矩阵进行特征向量分解获得点集中点的特征向量,而后利用特征值对向量加权,通过比较点的加权特征向量相似性来获取匹配关系.顺序匹配算法避免了矩阵分解,直接对距离矩阵的距离向量进行排序,通过较有序的向量来获取匹配关系.这2种算法,解决了经典特征向量匹配算法中抗噪性能差和高斯参数选择的2个问题.实验结果表明,算法切实可行,文中结论正确.     

基于异构邻域聚合的协同过滤推荐算法

传统的协同过滤算法使用one-hot编码生成的特征向量信息量稀少,对异构行为数据仅挖掘不同行为间的联系而忽略用户间行为的联系.针对上述问题,文中提出基于异构邻域聚合的协同过滤推荐算法.首先,使用图对用户和项目的异构交互进行建模,并利用图的连通特性构建邻域.然后,使用轻量级图卷积方法整合邻域信息,融入目标用户和目标项目的特征向量.最后,将融合邻域信息的用户与项目的特征向量输入多任务异构网络进行训练,通过丰富特征向量信息的方法缓解数据稀疏问题.在数据集上的实验证实文中算法的性能较优.     

结构图的谱分解及聚类研究

探索用图谱方法嵌入和聚类非加权图,以图的邻接矩阵主要特征向量来定义邻接矩阵的特征模.对每个特征模,我们计算谱特征向量,包括特征模周界、特征模体积、Cheeger常数、模间邻接矩阵和模间边界距离.用两种对比方法嵌入这些向量到一个模式空间:1)用谱模式特征的协方差矩阵的主成分分析(PCA)和独立分量分析(ICA);2)两类模式向量在L2范数下的多维尺度变换方法(MDS).另外,我们在三维多面体的二维图像中用角点特征来表示邻近图,以描述不同嵌入方法的聚类效果.     

SAR图像目标检测的互信息非负矩阵分解算法

提出了满足指数分布的概率模型框架下实现非负矩阵分解的目标函数和相应的算法。同时针对非负矩阵分解方法中的基向量无序性这一特点,将基于互信息的特征选择算法 与其结合起来解决了基向量的排序问题。利用目标的先验知识获得有利目标表示的特征向量组,然后用该特征向量组进行滤波,分别获得待测图像的特征图,通过加权的方式将所 有的特征图合并为一个总的特征图,最后在特征图上通过选取合适的阈值将目标提取出来。使用MIT林肯实验室ADTS（advanced detection technology sensor）高分辨率机载SAR 目标数据进行仿真,结果表明该方法是一种精度较高的目标检测算法。     

基于多特征向量的语音情感识别

同一组特征向量对不同的情感,其识别能力不同.以HMM作为语音情感分类器模型,对不同情感状态选择不同的特征向量进行识别.系统分两个阶段完成:首先基于漏识率和误识率最小的决策原则,采用优先选择(PFS)算法分别为每种情感状态选择最优的特征向量,然后用这些特征向量分别建立对应情感状态的HMM模型.利用北航情感语音库(BHUDES)对算法进行验证,将所有实验样本分为训练样本集、特征选择样本集和测试样本集3组,采用交叉实验的方法对本算法进行验证,结果表明,与单特征向量HMM相比,多特征向量HMM可达到更高的识别精度.     

基于概念获取的多文档主题划分研究

对多个相关文档进行主题划分对于信息检索、自动摘要等研究领域都有重要的应用价值.当前流行的文本主题划分技术中,多采用词频向量进行文本表示,而研究表明将特征向量映射到概念级,将改善多文档主题划分的效果.本文提出了一种应用知网(HowNet)来获取多文本的概念作为特征向量,再应用聚类的方法对文档集中的相似段落进行归类,得到主题划分的结果,解决了多文档的结构分析问题.实验结果表明该方法对多个相关文档的主题划分取得了良好的效果.     

基于遗传算法的聚类分析

遗传算法是一种模拟自然进化的优化搜索算法,它仅依靠适应度函数就可以搜索最优解.介绍了一种基于遗传算法的聚类分析方法,采用浮点数编码方式对聚类的中心进行编码,并用特征向量与相应聚类中心的欧氏距离的和来判断聚类划分的质量,通过选择、交叉和变异操作对聚类中心的编码进行优化,得到使聚类划分效果最好的聚类中心.实验结果显示,该方...     

基于顶点组重分配的动态增量图划分算法

图划分是分布式图计算中的一项基础工作, 其作用是将大规模图进行划分并分配到集群中的不同机器上. 图划分的质量对分布式图计算的性能有很大的影响, 其目标是降低负载平衡和最小化边割. 如今, 现实中的图数据通常呈动态增长态势, 这就需要一种能够处理动态增量图的划分方法, 在图数据动态增长的过程中确保划分的质量不受影响. 目前虽然有一些动态图划分算法被提出, 但它们不能同时专注于实时处理动态变化和获得高质量的划分结果. 提出基于顶点组重分配的动态增量图划分算法(ED-IDGP)来解决大规模动态增量图的划分问题. 在ED-IDGP算法中, 设计实时处理4种不同单元更新类型的动态处理器, 并在每次处理完单元更新后通过在分区发生动态变化的附近执行局部优化器进一步提高图划分的质量. 在ED-IDGP的局部优化器中, 利用基于改进标签传播算法的顶点组搜索策略搜索顶点组, 并利用提出的顶点组移动增益公式衡量最有益的顶点组, 将该顶点组移动到目标分区中做优化. 在真实数据集上从不同的角度和度量指标评估了ED-IDGP算法的性能和效率.     

基于图模型的道路检测方法

为解决城市环境低速移动机器人的道路检测问题,提出一种基于图模型的道路检测方法.首先,将道路图像划分为子图,计算子图特征向量,生成图模型结点集.然后,提出相近半径概念,计算相近结点边权值,生成图模型边集.在此基础上,采用基于最小生成树的结点合并规则对图模型结点进行合并,实现道路图像分割.最后,通过设置取样窗口,提取道路结点,分割出道路区域.通过实验分析道路检测精度与子图尺寸及阈值参数间的关系,研究采用灰度特征进行道路检测的可行性.实验结果表明,该方法能有效检测出不同类型道路图像中的道路区域,适用于道路检测.