基于聚类的对等网络负载优化算法研究

减少系统的资源消耗是对等网络设计的目标之一。该文对基于聚类的对等网络建立了负载的抽象模型,根据实际系统中采集的数据分析了节点的动态特性,并分别在节点能力相同、节点的能力的异构和系统处于动态的情况下,对聚类的数目进行了优化分析,为设计和构造对等网络提供了依据。     

基于特征聚类的轻量级图像搜索系统

在图像搜索的场景中,由于搜索请求的随机性,为了提高搜索速度,搜索算法运行时需要把整个数据集预先载入到运行内存.由于运行内存价格远高于同容量的硬盘价格,降低运行内存自然可以大大降低图像搜索服务的成本,但如果直接对数据进行压缩,往往会极大地损失搜索精度.在这种情况下,文中提出了一种基于图像内容特征的分块式图像搜索框架.先利...     

一种基于子空间聚类的图像分层索引方法

随着多媒体技术的发展,许多领域产生大量的高维数据集。为了有效地检索这些高维数据,高维索引成为人们研究的热点。聚类树是一种有效地支持高维数据检索的索引结构。提出了一种基于子空间聚类的聚类树结构,该索引结构基于一种改进的CLIQUE聚类算法,利用小波变换的多尺度特性对图像特征分布曲线进行不同尺度的小波变换,去除一些小的分类和可能的噪声干扰,从而得到不同粒度下的层次聚类。在层次聚类的基础上,建立起分层索引结构。由于改进的聚类算法使用爬山法确定子空间聚类,因而有效地避免了用户参数的定义。实验结果证明,该方法在不需要用户设定聚类参数下能够进行有效聚类,在不同尺度下构建的聚类结构能够有效地组织图像关系,大大提高图像的检索效率。     

一种基于颜色统计聚类的医学图像检索技术

基于颜色检索的基本思想是将图像间的距离归结为其颜色直方图间的相似性度量,从而图像检索也就转化为颜色直方图的匹配。目前基于颜色检索的算法主要集中在不同颜色空间进行全局颜色聚类或融合其他可视特征(纹理,颜色空间信息等)联合检索两个方向上。该文在具体的结肠镜图像检索系统研究中,根据医学图像的特点,提出一种在HSV空间的颜色统计聚类的检索方法,取得了良好的检索效果。     

一种基于深度谱空网络的高光谱图像聚类方法

通常无监督算法在对高光谱数据进行聚类时仅使用光谱信息,忽略了空间信息,使得聚类准确率较低.针对上述问题提出一种基于深度谱空网络和无监督判别极限学习的高光谱图像聚类算法.利用深度谱空网络对高光谱数据进行光谱特征和空间特征的分层交叉学习,通过反复学习获得深度空谱特征,为后续无监督聚类提供方便.在三种高光谱图像上进行实验,结...     

一种改进的K-means聚类算法的图像检索方法

分析了K-means聚类算法在图像检索中的缺点,提出了一种改进的K-means聚类算法的图像检索方法。它首先计算图像特征库里面的所有颜色直方图特征之间的欧氏距离;然后根据“两个对象距离越近,相似度越大”[1]这一原理,找到符合条件的特征向量作为K-means聚类的初始类心进行聚类;最后进行图像检索。实验结果表明,本算法具有较高的检索准确率。     

基于小波多尺度特征的图像聚类检索

描述了一种图像数据库中基于小波多尺度特征内容的聚类检索方法。该方法对图像数据库中的图像进行小波多尺度分解并提取每一频段的矩和最低频段的小波系数分别作为其纹理特征和颜色特征。为提高检索效率。在图像被插入到图像数据库时对其进行基于多尺度矩的K均值聚类。检索时，将查询图像与聚类各簇的质心进行比较确定其相似簇，加上颜色特征计算查询图像与相似簇中各图像的相似性距离。实验证明：该方法由于综合考虑图像的纹理和顾色特征信息，因而具有较高的查准率和查到率．而聚类算法的应用使其有较高的检索速度。     

基于学习聚类的图像语义检索算法

本文利用聚类理论提出了一种基于学习的聚类图像语义检索算法,建立了底层特征和高层语义的映射,实现了语义的快速提取和图像的精确检索。它由聚类构造算法、聚类构造学习和图象检索算法组成。实验结果表明,本算法是比较稳定和有效的。     

一种基于谱聚类的灰度图像分割法

针对传统模糊核聚类算法当数据类差别很大时,小数据类被误分或被大数据类吞并的缺陷,提出了一种新的加权模糊核C 均值聚类算法(Weighted Fuzzy Kernel C-Means),为每一个类分配了一个动态权值;同时将该算法引入到谱聚类中,设计了一个以图像灰度特征作为分类样本的改进的谱聚类算法,解决了谱聚类应用于图像分割时权矩阵的谱难以计算的实际问题。实验结果表该算法具有较好的分割效果。     

一种新的基于改进聚类检索算法的CBIR系统研究

随着多媒体技术、网络技术的飞速发展,各种各样的信息爆炸式增长,导致人们对信息检索的要求越来越迫切.本文提出了一个新颖的基于内容的图像检索模型,还提出了一种新颖的适合于图像数据的聚类检索方法,通过自动更新簇特征的权重来提高聚类准确率,从而改进检索效果.通过文中的仿真实验说明,文中提出的检索模型,以及采用的相关算法是可行的,取得了良好的检索效果.     

无结构P2P网络中的信息检索算法

目前无结构P2P系统得到了大量的应用,但其常用的基于简单flooding机制的信息资源检索方法容易产生大量的垃圾通信,从而造成严重的通信拥塞。首先分析了flooding机制产生垃圾通信的根源,接着提出了一种基于路由标注和节点度的信息检索算法,然后通过实例分析和仿真实验表明,该算法可以减少无结构P2P网络中信息检索的通信开销。     

P2P网络中基于谣言传播机制的资源搜索算法

当前许多P2P网络如KaZaA和Gnutella模型仅使用“洪泛”广播机制,从而造成严重的通信拥塞。针对这种现状,提出了一种基于谣言传播机制的资源搜索算法,任何运行该算法的源节点只需要相对少的节点参与通信,就能以相对大的概率找到资源。仿真结果表明,该算法是优异的。     

P2P社区的信息检索算法设计

为解决P2P社区的资源定位及信息检索问题,采用混合型P2P网络模型,将社区内的检索划分为本地检索、组内搜索和组间搜索。对于本地检索设计了新的词条权重的计算方法,解决了同构文档集内的文本检索问题。对于组内搜索和组间搜索,通过设计节点选择策略,使一部分与查询相关度高的节点执行查询任务。最后提出结果融合的方法并对特定的实验数据进行测试,实验表明设计的算法在较小的查询开销下,能取得较好的检索效果。     

对等网络信任和信誉机制研究综述

介绍了对等网中的信任和信誉机制所涉及的概念与研究内容，对其近年来的研究进展进行了归纳分析，提出了对等网络的中信任和信誉机制研究中涉及的问题,并针对该系统设计中涉及的关键问题提出了相应的思路和研究方法。     

基于P2P技术的Gnutella网络搜索路由机制的改进

介绍了分布式P2P网络Gnutella模型消息搜索路由机制,在分析其存在大量冗余数据包传输问题的基础上,提出了一种基于分布式存储路由信息的搜索路由机制的改进策略,能有效地提高网络可扩展性和减少消息冗余。     

Medical social network content analysis for medical image retrieval purpose

Background and objective: Medical social networking platforms provide virtual spaces ensuring the interaction between different healthcare participants. As a part of the exchange, these spaces allow subscribers to upload medical images, describing different medical cases for an analysis or an interpretation proposal. Facing this expected huge amount of uploaded images generated daily, it is needed to engage new mechanisms to effectively deal with this circumstance, for enhancing the search function process of medical images, based on what is uploaded. To overcome this issue, setting up of images visual searching based on a content-based medical image retrieval scheme is the solution. More clearly, such mechanism will help and motivate medical social networking subscribers to find visually similar stored images. Methods: To ensure this task, the development of this mechanism, technically, is based mainly on a fusion of three visual features, which offers a flexible and more precision. It is reinforced by a weighted distance approach through attributing weights for feature vectors to scale up the performance. Indeed, the displayed results of this system can be updated based on user's intention by a user interactive feedback mechanism to indicate the truly relevant images. Results: We provide the theoretical performance of our scheme. Extensive experiments were conducted on a categorically classified collection containing 500 images. We conduct a practical evaluation on this dataset classes, putting returned results in a comparative study with other models results, existing in the literature. Conclusions: The proposed scheme preserves the efficiency of the search task. As theoretically and experimentally established, our scheme offers an effective image retrieval model that can support different subscribers' expectations. The relevance feedback mechanism can keep the dynamism of the system, thus offering a continuous searching result evolution. Experimentation outcomes indicate better findings compared with the other models.     

K均值聚类分割的多特征图像检索方法

从图像数据库中快速、准确地检索出所需要的图像,具有广泛的应用前景。针对使用单一图像特征难以准确表达图像之间的差异问题,提出了一种利用颜色聚类分割和形状特征提取的图像检索算法。选择符合人眼视觉特征的HSV空间,分别重组最能描述图像颜色特征的H分量和形状特征的V分量;用K均值聚类算法对两个分量进行聚类分割,得到目标物体;提取目标物体的Hu不变矩和傅里叶描述子来描述形状特征;用欧式距离进行相似度测量并用于图像检索中。采用不同类型图像进行实验,结果表明该算法优于使用单一特征和一般分割方法的图像检索技术。     

物体显著性排名感知网络用于高效图像检索

针对目前图像检索领域主要依靠语义相似性检索图片而忽略了场景中物体重要性关系问题,提出了一种基于场景感知的物体显著性排名算法SASR,使图像检索更关注场景中物体的相互关系。SASR分为两个阶段,在第一阶段,提出了基于视点数据的“组合阈值”物体级显著性排名真值标签标注方法,该方法简化了排名标签的标注;在第二阶段,提出了基于图卷积网络的物体级显著性排序网络,该网络解决了多个在物体级排序问题中存在的特异性难点。该算法改善了目前显著性排名标签生成方式并进行了大量对比实验,在现有SALICON数据集上的实验结果表明,其提升了显著性排名的性能,在NUS-WIDE数据集上的实验结果表明在该算法的支撑下,图像检索性能平均提升了2%,证明了其有效性。     

对等网络中全文检索系统的设计与实现

全文检索技术能提高从海量数据中查找特定信息的效率,但传统的检索技术极大地消耗资源。以Emule、BT为代表的P2P软件实现了对文件的定位和高速下载,但它们对多种格式的中文文档解析及关键字提取能力不够,且网络路由中存在热点效应问题。提出一种基于P2P分布式网络的全文检索系统,并讲述了该系统的整体结构、关键技术、系统实现。实践证明该系统能有效地解决这些问题。     

Color indexing for efficient image retrieval

Content based image retrieval is an active area of research. Many approaches have been proposed to retrieve images based on matching of some features derived from the image content. Color is an important feature of image content. The problem with many traditional matching-based retrieval methods is that the search time for retrieving similar images for a given query image increases linearly with the size of the image database. We present an efficient color indexing scheme for similarity-based retrieval which has a search time that increases logarithmically with the database size.In our approach, the color features are extracted automatically using a color clustering algorithm. Then the cluster centroids are used as representatives of the images in 3-dimensional color space and are indexed using a spatial indexing method that usesR-tree. The worst case search time complexity of this approach isOn _q log(N^* n_avg)), whereN is the number of images in the database, andn _q andn _avg are the number of colors in the query image and the average number of colors per image in the database respectively. We present the experimental results for the proposed approach on two databases consisting of 337 Trademark images and 200 Flag images.