一种改进自适应阈值的ORB算法研究

ORB(Oriented FAST and Rotated BRIEF)算法提取特征点时使用固定阈值,在不同场景或光照突变环境中会出现特征点匹配数目较少、匹配正确率较低、适应性较差的问题,针对这一情况提出了一种全局自适应阈值与局部自适应阈值结合的方式改进算法。首先根据图像的灰度分布判断亮度变化情况,针对整体亮度变化与局部亮度变化两种情况分别采用全局或半全局自适应阈值方案,并与局部自适应阈值相结合,通过建立评价函数得到阈值计算公式中自适应参数值,完成FAST(Features from Accelerated Segment Test)特征点提取,计算描述子,借助KNN(K-nearest Neighbor)算法完成特征点对筛选。实验结果表明,改进后的ORB算法在整体光照变化时特征匹配点对数量平均提升129.9%,正确率平均提升15.94%,局部光照变化时特征匹配点对数量平均提升149.4%,正确率平均提升3.53%。     

一种基于决策信息系统的求核属性算法

为了有效降低求核算法的时空复杂度,提出了一种高效压缩差别矩阵的构造方法.在此基础上,设计了一种决策信息系统的求核属性算法,有效地提高了算法的计算效率.算例分析验证了算法是有效可行的.     

一种新的决策粗糙集最小化决策代价属性约简算法

实际应用中存在着大量的数值型数据,然而传统的决策粗糙集只能够处理符号型数据,为了改善这一局限性,本文构造出一种模糊邻域决策粗糙集模型,并提出一种最小化决策代价的属性约简算法.文中首先将将模糊粗糙集和邻域粗糙集融入决策粗糙集中,提出了模糊邻域决策粗糙集,使得该模型同时具有模糊粗糙集和邻域粗糙集处理数值型数据的优点;然后基于该模型,给出一种决策代价定义,并提出相应的最小化决策代价属性约简算法;最后通过实验分析表明所提出的算法具有较好的代价敏感属性约简性能.     

一种新的自适应阈值SSDA算法

在传统的序惯相似度检测算法和自适应闽值的序惯相似度检测算法的基础上,运用粗匹配中取三点最小值分别作为精匹配中的初始门限值,然后进行三次精匹配,比较三次匹配结果取最小值,转变为最终的图像匹配点,实现一种新的自适应阈值的序惯相似度检测算法。实验结果表明,这种改进自适应阈值的序惯相似度检测算法,在略微降低算法的执行速度的同时,能够很好地保持自适应阈值的序惯相似度检测算法的图像匹配准确性,具有很好的实时性。     

一种新型阈值决策的小波去噪方法

在传统软、硬阈值函数去噪的基础上,提出了一种新型阈值函数和自适应阈值的去噪方法。阐述了改进型阈值函数的特点。改进型阈值函数与传统软、硬阈值函数相比,克服了软阈值信号失真和硬阈值信号不连续、振荡等缺点。为了解决在每一级尺度上都采用同一阈值的不足问题,将自适应阈值算法引入去噪。实验表明：此去噪法提高了重构信号的信噪比,有效去除了噪声,且保留了原始信号的细节特征,与传统去噪法相比是一种较好的恢复微弱信号的方法,在通信去噪中具有较高的实用价值。     

一种有效的阈值反卷积算法

本文研究时域反卷积算法的实现问题．利用阈值方法，提出了一种时域迭代反卷积算法．该算法与向量卷积的运算量一致，回避了传统的时域反卷积算法出现的病态问题．同V．Cittest算法、Gold算法等算法相比，该算法运算量小，占有的计算机内存较少．而且，它使得任意两个向量的反卷积可以实现．     

一种梯度阈值自动调焦算法

传统的梯度自动调焦算法计算量大,抗噪声能力弱,影响调焦的实时性及调焦曲线的单峰性和灵敏度,因此提出一种梯度阈值自动调焦算法,提高调焦性能,满足光电跟踪系统能实时、准确地进行自动调焦的要求。该算法先以图像的局部方差作为局部阈值区分边缘像素与非边缘像素,再计算整幅图像的一种新的标准差作为全局阈值来削弱噪声和背景的影响,最后对阈值预处理后的图像采用梯度调焦算法计算其调焦值,进行清晰度评价。大量实验结果表明,该算法具有实时性好,单峰性强,灵敏度高的特点和良好的抗噪性能。该算法用于光电跟踪系统的自动调焦中时,依然保持上述良好的性能,明显优于传统梯度自动调焦算法。     

基于自适应阈值的图像去噪新算法

提出了一种具有自适应阚值的图像去噪算法.首先,阚值函数具有连续性,高阶可导性,充分体现了小波分解后系数的能量分布,且函数表达式简单易于计算,适合各种数学处理.其次,阈值的选取考虑了分解过程中小波系数的相关性和过程性等因素,减小了对噪声的误判率,具有更强的实用性.仿真实验结果表明,新算法不仅比传统算法运算量小,而且取得了更高的峰值信噪比(PSNR)和更小的均方误差(MSE),更加有效地去除了图像的噪声.     

一种自适应阈值分割方法

阈值分割由于其快速实现的特点,是一种重要的分割方法,在OTSU方法和迭代法的基础上,针对红外图像,提出一种自适应的阈值分割方法,通过实验证明,此方法简单易行,能够达到较好的分割效果.     

一种Contourlet循环平移自适应阈值SAR图像去噪算法

针对传统阈值算法缺乏自适应性的缺点,利用Contourlet多方向性和各向异性的优点,提出了一种基于Cont-oudct循环平移自适应闲值的SAR图像去噪算法.利用sigmoid函数构建一种新的自适应网值函数.根据Contourlet不同方向子带系数的特点,动态调整阈值函数中的参数.以获得合适的阈值对Contourlet系数进行处理.同时为了抑制图像边缘附近的伪吉布斯效应,引入循环平移算法来抑制人为干扰.分别利用4种经典的阈值算法和本文算法,对实测SAR数据进行相干斑抑制,试验结果表明,Contourlet循环平移自适应阚值SAR图像去噪算法在平滑图像的同时更好地保持了图像本身的纹理信息,图像的视觉效果优于其他算法,等效视数和边缘保持指数分别提高了86.22和O.3.     

基于三支决策的不平衡数据过采样方法

采样是解决不平衡数据分类问题的一个有效途径.文中结合三支决策理论,根据样本分布将样本划分成三个区域：正域、边界域和负域;在此基础上,分别对边界域和负域中的小类样本进行不同的过采样处理,提出了一种基于三支决策的不平衡数据过采样算法（TWD-IDOS算法）.实验结果表明,在C4.5、KNN和CART等分类器上,文中提出的算法能有效解决不平衡数据的二分类问题,在Recall、F-value、AUC等指标上优于文献中的过采样算法.     

粗糙集理论中一种连续属性离散化算法

连续属性离散化一直是机器学习领域中亟待解决的关键问题之一。提出一种基于断点重要性的离散化算法。首先给出粗糙集理论的几个基本概念:决策表、不可分辨关系、信息熵和条件熵,然后对离散化问题进行介绍,给出断点分类的条件熵定义,在此基础上给出了断点选择的粗糙集连续属性离散化算法。仿真结果表明,算法的综合性能优越于文献报道的同类算法。     

An Incremental Rule Acquisition Algorithm Based on Rough Set

1　Introduction　Rough set theory introduced by Pawlak (1982)[1] is avalid mathematical theory developed in recent years, whichhas the ability to deal with imprecise, uncertain, and vagueinformation. It has been used successfully in such field asmedicine, pharmacology, market analysis, engineering,pattern recognition, data mining etc. Pawlak showed that theproblems of machine learning could be explained, analyzedand disposed within the framework of rough set theory[2]. Inhis paper[2], t…     

一种基于粗糙集的安全评估方法

安全评估是指依据多个安全相关指标对复杂信息系统进行评价的过程。为提高信息安全风险评估的客观性和准确性,文章提出利用粗糙集相关理论进行安全评估的方法,并详细阐述了该方法的原理及运用它进行安全评估的基本流程,最后将评估结论落实到安全等级划分中的做法具有较好的现实意义和较强的可操作性。     

一种粗糙集属性约简的改进算法

通过时属性的重要性以及属性提供的信息量进行研究，提出一种综合考虑属性重要性和属性的信息量的属性加权平均重要度的概念，并构造在决策表中的基于此重要度的一种新的属性约简方法。通过实例计算表明，该算法简单有效。     

一种基于粗糙集的数据挖掘模型

网格计算的资源管理涉及到大量的互联网资源，为了有效管理与应用系统资源，需要研究相应的资源管理模型。基于此探讨了粗糙集理论的相关算法，在此基础上提出了一个粗糙集理论与数据挖掘问题相结合的应用模型。在研究中对该模型进行了模拟数据实验测试，结果与算法的理论结果一致，为粗糙集理论在网格计算领域的应用做了一些力所能及的尝试。     

Unsupervised Quick Reduct Algorithm Using Rough Set Theory

Feature selection (FS) is a process to select features which are more informative.It is one of the important steps in knowledge discovery.The problem is that not all features are important.Some of the features may be redundant,and others may be irrelevant and noisy.The conventional supervised FS methods evaluate various feature subsets using an evaluation function or metric to select only those features which are related to the decision classes of the data under consideration.However,for many data mining applications,decision class labels are often unknown or incomplete,thus indicating the significance of unsupervised feature selection.However,in unsupervised learning,decision class labels are not provided.In this paper,we propose a new unsupervised quick reduct (QR) algorithm using rough set theory.The quality of the reduced data is measured by the classification performance and it is evaluated using WEKA classifier tool.The method is compared with existing supervised methods and the result demonstrates the efficiency of the proposed algorithm.     

基于粗糙集和遗传算法的知识发现方法

粗糙集理论是一种处理不确定和不精确问题的新型数学工具,为数据挖掘提供了一条崭新的途径。提出了结合粗糙集理论和遗传算法的知识发现方法。首先通过粗糙集理论对数据进行预处理,在实现属性约简中采用了遗传算法,以提高搜索效率,然后进行规则提取。以农业病虫害诊断知识发现应用为实例说明了该方法的可行性。     

一种基于粗糙集的红外图像多维降噪算法

针对红外图像噪声复杂多变,在抑制噪声的同时,还需要兼顾细节增强的问题,本文提出了一种基于粗糙集的红外图像多维降噪算法.对采集到的红外图像通过引导滤波进行分层后运用粗糙集理论进一步多维度的分层,分别处理后合并还原得到输出图像.综合对比主观观察与客观评价指标,该算法能够对红外图像降噪有良好效果,对弱小目标细节有良好的增强效...