基于Hausdorff距离的图形快速匹配

本文提出了一种快速的图形匹配算法。将图形的角点作为匹配特征，利用HU矩中的重心计算方法得到角点的重心作为原点，在此基础上运用金字塔算法缩放角点对重心的距离以适应图形的比例变化。运用Hausdorff距离计算图形间的相似度，实现了一种快速的图形匹配算法。实验中运用零件图形进行匹配，结果证明，本文中提出的匹配算法不仅具有一定的鲁棒性，而且匹配速度快，是一种高效率的匹配算法。     

一种新的二维开曲线匹配算法研究

在提取碎片轮廓的基础上,提出了一种基于相似变换下的新的尺寸不变为标示符的二维开曲线匹配方法。基本思想是首先以弧长的曲率绝对值的积分方法,通过对轮廓重采样来计算轮廓曲线上的特征点,特征点分曲线为若干段,然后特征段之间的Hausdorff距离来比较两曲线的段的相似性,当Hausdorff距离小于给定的容差时,可认为相应的轮廓是匹配的,实验证明算法更快有效。     

一个基于DFS编码的图形匹配算法

快速有效的图形查询是图形数据库成功应用的关键。文章利用图的词典顺序，用唯一的最小DFS（深度优先搜索）编码表示每个图。根据两个图同构当且仅当它们的最小DFS编码相同这一性质，将图形匹配转化为图的最小DFS编码的比较：在判断两个标记图形是否同构时，可以先求出图的最小DFS编码，再用有效的匹配算法进行比较。     

经验公式发现系统FDD误差率计算方法的改进

根据变量间的实验数据来发现其内在联系是科学研究及工程设计中经常涉及到的问题。采用人工智能和曲线拟合相结合的经验公式发现系统,较传统的数据拟合技术更为直观,且有效地避免了传统数据拟合技术中系数行列式元素微小变化引起解的显著变化的"病态"问题。针对由于经验公式发现系统平均误差率计算方法的缺陷而导致系统搜索方向出现偏差的问题,提出了对平均误差率计算方法的改进方案,介绍了按照"正反双方向"计算平均误差率取较小者进行比较从而确定搜索方向的方法。实践证明:平均误差率计算方法的改进能够使系统较为准确地找到正确的搜索方向,发现变量之间的关系,提高了系统的可用性。     

启发式算法在搜索引擎的应用

本文对启发式搜索及其搜索过程,启发式搜索的估价函数和A*算法等作了介绍.提出使用人工智能中的启发式搜索来获取特定的信息,通过估价函数计算,对有用的链接进行遍历,以提高收集信息资源的查全率和查准率.     

基于MHC调控的免疫公式发现算法

在分析了基于遗传原理的公式发现方法的优势与不足的基础上,根据免疫原理和MHC(major histocompatibility complex)在免疫系统中的调控作用,提出了一种应用于公式发现领域的算法IFDA(immune formula discovering algorithm)来解决公式进化中优良结构不易保护的问题.该算法将公式翻译成树状图,并按深度优先的编码方法形成抗体的恒定区和可变区代码,把公式片段编码成为MHC代码,借鉴MHC调控原理指导抗体进化,寻找出数据集合中蕴涵的规律,并用公式的形式表示.通过对多组基准数据的实验说明,此方法在公式复杂度和收敛速度方面比基因表达式算法有更好的性能.     

A算法在梵塔问题中的应用

介绍了启发式搜索A算法及其在梵塔问题中的应用,利用极值方法设计了一种估价函数,提高了搜索效率,减少了搜索量。     

基于曲率特征的自由曲面匹配算法

针对无任何预知联系下的自由曲面匹配问题,提出了一种简捷、快速的匹配方法.该方法以曲面的曲率为联系特征,在测量数据与模型曲面之间建立起满足角度、距离约束的对应关系,利用三点旋转平移变换法生成旋转平移变换列表;然后通过最小距离目标函数选取正确的三维坐标变换,实现测量数据与模型曲面之间的准确匹配.实验结果表明:该方法简捷、可靠且容易实现,特别适用于工件的测量定位和多视数据的融合.     

经验公式发现系统(FDD)中对误差的改进

在研究科学和解决工程应用问题时,经常需要根据两个变量的实验数据,找出这两个变量之间的关系.使用传统的数据拟合技术所求得的近似公式大多表示为代数多项式,系数由最小二乘法原理建立正规方程组求出.但这种传统拟合方法存在一个"病态问题",即系数行列式元素微小变化引起解的显著变化的问题.为了解决这个问题,采用基于人工智能的机器发现和数值计算的曲线拟合相结合的经验公式发现技术,并对经验公式发现系统中的误差评判方法提出了改进算法,提高了公式发现系统的可用性.     

Web Services发现和集成句法匹配算法研究

面向服务的应用,促进了WebServices的发现和集成服务技术研究。如何有效地对大量异构、跨平台的不同WebServices服务应用,实现发现(Discovery)和集成(Composition)技术,将是一个关键的问题。文章首先提出了面向WebServices服务的集合组成元素,进而分析了基于句法的WebServices服务发现和集成算法,通过发现路由和合成路由事例的应用研究,探讨了的基于句法匹配算法的WebServices发现和集成技术的可行性。     

基于匹配算法的服务发现本体模型*

针对服务发现领域存在的匹配问题,提出了基于匹配算法的服务发现本体模型。研究中,以本体技术为基础,分析服务发现模型所包含的主要元素,定义用户本体与服务本体之间最优匹配规划的命题。构建满足该命题的Web服务运行框架。针对运行框架中匹配规划和匹配模式,设计并实现MS算法和MP算法,获取候选匹配集及匹配规划的相关度。与现有服务发现方法相比,提出的服务发现本体模型具有较高的查全率与查准率,能够获得更多贴近用户服务请求的Web服务,具有较好的理论价值和应用前景。     

A coevolutionary algorithm for rules discovery in data mining

One of the major challenges in data mining is the extraction of comprehensible knowledge from recorded data. In this paper, a coevolutionary-based classification technique, namely COevolutionary Rule Extractor (CORE), is proposed to discover classification rules in data mining. Unlike existing approaches where candidate rules and rule sets are evolved at different stages in the classification process, the proposed CORE coevolves rules and rule sets concurrently in two cooperative populations to confine the search space and to produce good rule sets that are comprehensive. The proposed coevolutionary classification technique is extensively validated upon seven datasets obtained from the University of California, Irvine (UCI) machine learning repository, which are representative artificial and real-world data from various domains. Comparison results show that the proposed CORE produces comprehensive and good classification rules for most datasets, which are competitive as compared with existing classifiers in literature. Simulation results obtained from box plots also unveil that CORE is relatively robust and invariant to random partition of datasets.     

Data discovery algorithm for scientific data grid environment

In modern scientific computing communities, scientists are involved in managing massive amounts of very large data collections in a geographically distributed environment. Research in the area of grid computing has given us various ideas and solutions to address these requirements. Data grid mostly deals with large computational problems and provides geographically distributed resources for large-scale data-intensive applications that generate large data sets. Peer-to-peer (P2P) networks have also become a major research topic over the last few years. In a distributed P2P system, a discovery algorithm is required to locate specific information, applications, or users within the system. In this research work, we present our scientific data grid as a large P2P-based distributed system model. By using this model, we study various discovery algorithms for locating data sets in a data grid system. The algorithms we studied are based on the P2P architecture. We investigate these algorithms using our Grid Simulator developed using PARSEC. In this paper, we illustrate our scientific data grid model and our Grid Simulator. We then analyze the performance of the discovery algorithms relative to their average number of hop, success rates and bandwidth consumption.     

一种时间序列相似匹配新算法

为提高时间序列相似匹配的精度和效率，提出一种基于小波包变换的时间序列相似匹配算法．首先利用小波包可对信号进行精细分析的特点，对时间序列进行维数约简，用变换后的低频系数和部分高频均值系数作为特征向量表示原始序列；然后用多维索引结构R树存储这些特征向量，将欧几里德距离作为相似尺度，在此基础上实现了范围查询和k近邻查询，对电力负荷时间序列数据的仿真实验结果表明了算法的有效性。     

图谱和Kuhn-Munkres算法在图匹配中的应用研究

为了对图数据库中的结构化数据进行有效的匹配分析,提出了基于全局结构相似度以及节点位置相似度的Kuhn-Munkres算法。首先对图数据构建全局以及节点位置矩阵,全局相似度矩阵用邻接矩阵的拉普拉斯谱特征构造,位置相似度矩阵首先使用高斯核函数进行节点相对位置的归一化计算,再利用其谱特征构造。节点位置相似度主要描述图所有节点之间的相对位置,弥补了全局结构相似度只刻画图整体结构的不足。最后使用Kuhn-Munkres算法进行图匹配,得到二分图的最大权匹配。实验表明,改进的Kuhn-Munkres算法有效提高了节点之间的匹配正确率。     

一种改进的ORB算法在图像匹配中的应用

针对ORB算法提取的特征点阈值的选取存在人为干涉且对不同对比度的图像缺乏鲁棒性的问题,提出一种改进的ORB算法。本算法对FAST算法提取特征点进行了改进,首先对图像进行直方图均衡化实现对图像的增强,然后采用自适应阈值的方法,分别设置动态全局和局部阈值提取特征点,通过引用海森矩阵去除不稳定的边缘点。实验结果表明,该改进的算法能够实现特征点的精准定位,具有较强的抗噪能力,在实现图像配准应用中明显优于传统ORB算法。