分布式多业务系统信道分配算法

信道决策是认知无线电中的关键技术之一,近年来得到了广泛的研究。集中式算法是最常用的算法形式,但在认知无线电网络这种分布式系统中,集中式算法不易实现。基于Gale和Shapley的大学入学匹配理论,针对认知无线电信道的决策场景以及分布式组网特性,将多用户、多业务系统的信道分配问题建模为多对一匹配博弈,提出一种基于效用矩阵的分布式多用户多业务信道匹配算法。仿真表明,该算法收敛时间短,获得的效用与最优集中式算法接近,远优于随机接入算法。     

一种对英文字符串进行分词的方法

对Aho-Corasick算法略作改变,用一个收词丰富的有优先级的字典构造Aho-Corasick树,并利用它对英文字符串进行字典匹配.对匹配的结果,利用后缀词按优先级排序的特点设计了一个高效的分词算法.实验证明该算法具有高效性.     

基于信息属性的信息分发模型

针对基于主题消息中间件系统队列插入效率不高、主题匹配精确性低的问题,对一种基于信息属性的信息分发模型进行研究。通过研究信息的属性,制定合理的优先级,采用基于优先级百分比的插入算法,提高消息入队的效率;依据信息属性对XML文档进行匹配,完成对订阅信息的匹配,提高订阅的精确性。实验结果表明,该模型能够提高信息分发效率与匹配精确性,解决了基于主题匹配模型的低效模糊问题。     

采用顺序修复的样本例图像修复算法

本文提出了一种采用顺序修复的样本例图像修复算法,该方法在原Criminisi经典图像修复算法的基础上对修复顺序进行新的尝试.原Criminisi经典算法的修复顺序通过计算优先级得出,随着修复的深入优先级逐渐趋近于0,导致算法失去作用.为解决该问题,本文采用顺序修复的方法来代替优先级决定顺序,避免出现算法失去作用的情况;同时本文提出的“倒L”型样本模板来增强结构的传播能力、提高匹配的正确率.实验结果证明,本文的修复算法相对Criminisi算法具有优势并取得很好的修复结果.     

基于双密度双树复小波的立体匹配

立体匹配成为近年计算机视觉研究的重点,文中旨在通过研究和实验探索出一种比较理想的立体匹配算法从而提高图像立体匹配的鲁棒性.双密度双树复小波具有多分辨率、数据冗余的有限性以及平移不变性的优点,文章利用双密度双树复小波的这些优点提出一种相位匹配算法,其原理是提取多尺度的相位信息作为立体像对的匹配基元,再利用金字塔模式实现匹配.进行匹配时首先由最低分辨率的层级开始,再逐层推进,直至图层的最高级,并利用上层匹配所获得的视差结果来引导本层通道的相位匹配,形成一种多分辨率的层次匹配框架,即图像金字塔结构框架.作者利用这种方法最终达到了预期的实验效果.实验结果表明,采用此方法能够得到稠密的视差图,匹配结果精确度很高,是目前比较理想的立体匹配算法.     

基于预定义类的紧凑型正则表达式匹配算法

针对目前硬件正则表达式匹配算法在存储空间以及吞吐量等方面面临的挑战,结合扩展有限自动机（XFA）正则表达式匹配算法,提出了一种预定义类的压缩自动机匹配算法（Pre-Class CFA）。通过预定义类,算法既可以实现正则表达式中类字符匹配,又能够通过优先级的设定匹配特殊字符集,并在XFA消除确定性有限状态机（DFA）状态爆炸问题的基础上进一步压缩了迁移边数目;同时算法根据现场可编程门阵列（FPGA）和迁移边的特征,设计了一种基于并联只读存储器（ROM）结构的迁移边存取方法,可以实现同一状态多条迁移边的并行读取和匹配。在中低性能FPGA平台ALTERA DE2-70上对算法进行测试,实验中系统吞吐量为1.3 Gb/s,可实现千兆网络下的入侵检测和垃圾过滤。     

时空众包环境下基于统计预测的自适应阈值算法

针对时空众包环境下任务分配随机性过高且效用值不理想的问题,提出一种基于统计预测的自适应阈值算法。首先,实时统计众包平台中空闲的任务、工人及工作地点的数量以设置阈值;其次,通过历史数据分析将任务与工人的分布分为均衡的两个部分,并用Min-max normalization方法为每个任务匹配一个确定的工人;最后,计算匹配到的工人出现的概率,以验证任务分配的有效性。使用相同真实数据的实验结果证实,与随机阈值算法相比,基于统计预测的自适应阈值算法的效用值提升了7%;与贪心算法相比,其效用值提升了10%。实验结果表明,基于统计预测的自适应阈值算法能够减少任务分配过程中的随机性并提高效用值。     

多主体系统中的模糊匹配

分析了目前主体服务匹配中存在的问题和不足，针对多主体系统中模糊匹配的需求，提出了一种主体模糊服务描述方法．在模糊服务描述的基础上提出了4种模糊匹配算法：基于语法的近似模糊匹配算法、基于语义的近似模糊匹配算法、等价模糊匹配算法和插入模糊匹配算法，并给出了它们的实现方法．这些算法克服了目前主体服务匹配算法中存在的不足．     

一种基于本体的主体服务快速匹配算法

分析了目前主体服务匹配中存在的问题，研究了目前主体服务匹配算法效率低的原因。为了提高主体服务匹配的效率，提出了主体服务本体的概念，研究了如何根据主体服务本体来组织主体服务，提出了一种基于本体的主体服务快速匹配算法，从理论上分析了该服务匹配算法的性能特点，并用仿真实验验证了该服务匹配算法的有效性。     

分簇传感器网络中时延约束下移动sink 的路径优化

在分簇传感器网络中引入移动sink, 用于协助其上层网进行数据汇聚. 为解决时延约束与节能需求间的矛盾, 提出一种基于效用优先级和反效用优先级的移动sink 路径优化选择算法. 依据最小能耗原则首先为非访问节点设计了数据迁移路径寻找方案, 随后在此基础上提出一种基于节点效用优先级的访问点集贪婪构造算法, 并基于反效用优先级为其设计了两种优化方案. 仿真实验验证了所提出算法的有效性, 保障时延要求的同时最大限度地降低了网络能耗.

     

基于改进网格划分统计的特征点快速匹配方法

针对图像特征点匹配算法大多存在数据量大和计算耗时长等问题,提出一种改进网格划分统计的特征点快速匹配算法。首先将图像的长宽比作为约束项,把图像划分成多个非重叠的方形状网格,并统计网格内的粗匹配特征点数量,然后利用改进的五宫格统计方法剔除错误匹配,即将特征点所在网格的相邻对称的四个网格作为邻域范围,把五宫格特征分数与新提出的阈值公式计算的值进行比较,最终得到精匹配特征点集;在OxFord数据集和实际拍摄的无人机遥感图像上,将本文算法与多种算法进行比较,实验结果表明,该方法在保证精确率和召回率接近当前最新的特征点快速匹配算法的情况下,运行速度相对提高了35.6 %,证明了特征点匹配的实时性和有效性。     

用频率和方向信息的指纹伪特征去除算法

指纹预处理后,直接提取的特征包含有大量的伪特征,需要去除;在研究分析了现有的指纹特征提取和伪特征去除算法的基础上,提出了一种利用了频率和方向信息的伪特征去除算法,依据局部小区域方向以及频率的相对不变性,进行对应伪特征的去除;计算机仿真实验结果表明,该算法具有很好的鲁棒性,而且算法复杂度小,处理效果好,运算速度快,几乎没有伪特征点;该算法对伪特征的有效去除,节省了数据库存贮空间,为后续有效特征匹配提供了保证。     

多重约束下的近景影像线特征匹配方法

目的 针对影像匹配时提取特征线断裂而影响匹配结果及可靠性的问题,提出多重约束条件下的近景影像线特征匹配方法。方法 首先,采用SIFT算法获取同名点,并使用RANSAC算法进行优化,通过同名点计算仿射变换矩阵;建立格网点,利用仿射变换、Harris兴趣值及最小二乘法提高密集匹配结果的精度;其次,采取Freeman链码优先级算法提取直线,根据搜索区域内密集匹配点与直线位置关系完成特征线的初始匹配;最后通过线段重合度对初始匹配结果进行优化,并利用核线约束确定同名直线端点。结果 选取存在旋转、尺度、遮挡的近景影像进行线特征匹配实验,结果表明,与其他直线匹配方法相比,本文方法不仅在直线匹配成功数目上约为经典算法的1.07~4.1倍,而且直线匹配正确率也提升0.6%~53.3%,具有较好的准确性和鲁棒性。结论 通过多重约束有效地减小了立体影像中线特征匹配时的搜索范围,提高了直线匹配速率,且该方法适用于不同类型几何变化下的近景影像数据,并能较好地改善直线断裂及遮挡问题。     

一种基于最小哈希的二值特征匹配方法

特征匹配是图像识别中一个基本研究问题。常用的匹配方式一般是基于贪婪算法的线性扫描方式,但只适用于低维数据。当数据维数超过一定程度时,这些匹配方法的时间效率将会急剧下降,甚至不强于强力线性扫描方法。本文提出一种基于最小哈希的二值特征匹配方法。通过最小哈希函数映射变换操作,将原始特征集合分成多个子集合,并将一个在超大集合下内查找相邻元素的问题转化为在一个很小的集合内查找相邻元素的问题,计算量有所下降。使用Jaccard距离度量的最小哈希函数能最大限度地保证原始数据中相似的向量对在哈希变换后依然相似。实验表明这种匹配方法应用在二值特征上时,可以获得比KD-Tree更好的匹配效果。      

视觉SLAM 中基于误匹配风险预测的特征选择

针对视觉SLAM（同时定位与建图）问题,提出了一种预测误匹配风险最小化的特征选择方法． 该方法采用预测误匹配风险来衡量新检测到的特征对未来特征匹配过程的影响,然后采用多级排序的方法优先选择误匹配风险小且重现率高的候选特征进行初始化． 该方法能根据系统状态估计不确定度的强弱自适应地选择不易被误匹配的特征,从而保证了SLAM算法的收敛性和一致性．在实际单目视觉SLAM系统上的对比实验表明, 本文方法在降低特征误匹配率和保证SLAM结果的正确性等方面具有明显优势．     

Point pattern matching algorithm invariant to geometrical transformation and distortion

In this study, we propose a new point pattern matching algorithm based on minimum feature relations. The matching algorithm can be divided into two phases: relaxation process (RP) and select-match-pair process (SMPP). Some experiments are also performed to demonstrate the feasibility and accuracy of the proposed algorithm.     

改进的SURF算法在书法笔画匹配识别中的应用

书法笔画具有丰富的书写人特征,能否正确进行特征向量提取和匹配直接影响识别效果。针对SURF算法检测特征点少、误匹配率高的问题,提出了一种基于Contourlet变换的SURF算法。该算法利用Contourlet变换,在提取特征点前对书法字笔画进行子带分解(LP)和方向性滤波(DFB),得到低频和高频细节分量,采用最小欧氏距离准则(LEDC)对低频细节分量进行相似性计算,高频细节分量进一步分解后选取合适阈值提取高频特征点,然后进行SURF特征点匹配,采用RANSAC算法剔除误匹配点。实验表明,改进的SURF算法不仅能更好地提取笔画特征点,提高抗噪性能,识别率也提高了3%。     

针对重复模式图像的成对特征点匹配

目的 含有重复模式的图像会对局部特征描述符产生歧义,因此基于局部特征的匹配算法在此类图像的匹配过程中极易产生误匹配.同时,通过研究现有的引入全局特征描述符的匹配算法,发现全局特征同样依赖于计算局部信息所得到的特征点主方向,所以此类方法在含有重复模式的图像中也不容易得到令人满意的匹配效果.为了解决这一问题,提出一种基于成对特征点的图像匹配算法.方法 该方法利用成对特征点的方向向量作为特征点对的主方向,为特征描述提供了正确的方向信息,同时引入DAISY描述符与改进后的全局上下文(globalcontext)特征描述符,提高了匹配能力.结果 分别在模拟图像与实际图像上面进行了对比匹配实验,本文算法平均的匹配正确率能达到88％以上,比其他经典的匹配算法提高了26％以上.结论 实验结果表明,本文算法克服了现有算法在特征描述与主方向分配上的缺陷,进一步提升了匹配正确率,能够有效地解决重复模式图像的匹配问题.     

一种新的字符串单模式匹配算法

在分析了BM模式匹配算法的基础上,提出了一种新的字符串单模式匹配算法,该算法通过对模式中的字符进行等级划分,设置模式中各个字符的优先级,改进模式串的移动方式,减少了模式匹配的次数和字符比较的次数,有效的提高了模式匹配的效率。实验显示,该算法有效的提高了模式匹配的效率。