一种基于网格延展法的等值线生成算法

已有等值线生成算法研究存在算法复杂、不健壮,实现难度大,或与应用系统集成难度大,应用不灵活等问题,以雨量等值线生成算法为例,介绍一种基于网格延展法的等值线生成算法。基于网格延展法的等值线生成算法,通过网格延展法实现等值面的提取,并使用一种简单的方法实现等值线平滑计算,整体等值线生成算法简单、易于实现;基于规则网格进行空间插值计算,对研究区域数据点分布具有很强的适应性,算法表现出较好的健壮性;无须进行等值线边界裁剪计算,也无须考虑等值线追踪时出现的分叉、连通域等问题,可大大减少等值线生成的计算量,降低等值线算法的实现难度;同时计算过程多数是对二维数组的操作,可以使用多种计算机语言实现,具有较好的生产应用价值。     

一种基于三角网的等值线自动填充算法

等值线填充就是先在等值线间建立拓扑关系,然后基于拓扑关系来完成等值线的填充,这一直是一个比较困难的问题.为了快速方便地进行等值线自动填充,提出了一种基于不规则三角网的等值线自动填充算法.该算法把采用不规则三角网生成的非闭合等值线,先根据一定关系与自定义边界连接成闭合等值线,然后通过确定各闭合等值线之间的包含关系和各等值线之间的填充颜色来绘制出等值线填充图.实践表明,该算法易于实现,且运算速度能满足业务需求.     

绘制规则离散点等值线的一种算法

提出一种绘制规则离散点的等值线的算法，在以搜索到的测点为中心的一个矩形区域内搜索下一点，与过去已搜索到的测点所确定的2次B样条曲线的切线距离最小的点为等值线的下一点，把所有搜索到的点拟合成3次B样条曲线则得等值线。     

一种多边形方向识别的新算法

针对传统经典叉积法在识别任意简单多边形方向时不能解决奇异情形的问题,提出了多边形方向识别的特征点比较法,用列举法作了几何证明。算法中的运算主要是整数之间的大小比较,因而速度较快。并且有效地解决了奇异情形下的方向识别问题。分析表明,该算法能对所有简单多边形作出正确的方向判断,具有较好的通用性和鲁棒性,可以发展成为独立的方向判断算法。实验表明,该算法比叉积法具有更高的执行效率。     

绘制二维单元等值线的一种简单方法

等值线是二维标量场可视化的一种主要手段,提出一种画二维单元等值线的简单方法。首先把母元等分成4个子块,然后利用子块顶点的自然坐标和单元的形函数,求出实际单元中对应子块的顶点温度,利用子块顶点温度判断是否有等值线通过。对于有等值线通过的子块,求出其包围盒的尺寸,如果小于等于一个像素,则把对应的像素设置为相应的颜色,否则,在母元中把子块继续4等分,直到实际坐标系中子块的包围盒尺寸小于一个像素为止。应用实践表明,这种方法原理简单,精度高,易于编写程序。     

一种启发式的汉语词性标注算法

描述了一种启发式的汉语词性标注算法,并采用该算法实现了一个基于统计模型的汉语词性标注系统。该算法将反向动态规划和正向Ａ＾＊解码算法相结合。初步的开放测试表明,该系统的词性标注正确率为９５．８８％（小标记集）和９７．９５％（大标记集）,性能优于Ｖｉｔｅｒｂｉ算法。     

一种改进的基于区间树的等值线提取算法

从DEM中提取等值线是计算机制图和地理信息系统的基本功能之一。本文提出一种基于区间树索引的等值线提取算法。借鉴在平衡二又排序树中插入元素的算法来建立区间讨结点;在查找等值线经过的网格时,仅对搜索路径上区间树结点的网格队列排序,避免对区间树全部结点的网格队列排序。实验表明,此算法较以往算法在时间上具有优势。     

绘制等值线的一种离散方法

介绍了一种绘制等值线的离散方法。母元被均匀划分为矩形的子域,用子域顶点的自然坐标插值计算应力,若该应力接近等值线的应力,则把对应的像素设置成相应的颜色。实践表明,这种方法精度高、速度快,易于实现。     

一种堆栈式快速等值线图填充算法

等值线图在科学研究、石油地质勘探等应用中具有较重要的应用。对于生成填充的等值线图,提出了一种基于堆栈式边界扫描方法,该方法通过将填充边界特征点和等值线特征点进行统一排序,利用堆栈的先进后出的特性,得到等值线之间的拓扑关系,进而追踪出闭合连通区域;对于颜色充填,提出了一种双深度值填充方法。与其他方法相比,该方法较容易理解与实现,对矢量化图件能快速填充。     

Attribute augmentation-based label integration for crowdsourcing

Crowdsourcing provides an effective and low-cost way to collect labels from crowd workers. Due to the lack of professional knowledge, the quality of crowdsourced labels is relatively low. A common approach to addressing this issue is to collect multiple labels for each instance from different crowd workers and then a label integration method is used to infer its true label. However, to our knowledge, almost all existing label integration methods merely make use of the original attribute information and do not pay attention to the quality of the multiple noisy label set of each instance. To solve these issues, this paper proposes a novel three-stage label integration method called attribute augmentation-based label integration (AALI). In the first stage, we design an attribute augmentation method to enrich the original attribute space. In the second stage, we develop a filter to single out reliable instances with high-quality multiple noisy label sets. In the third stage, we use majority voting to initialize integrated labels of reliable instances and then use cross-validation to build multiple component classifiers on reliable instances to predict all instances. Experimental results on simulated and real-world crowdsourced datasets demonstrate that AALI outperforms all the other state-of-the-art competitors.     

融合特征向量中心性与标签熵的标签传播算法

重叠社区结构挖掘旨在发现复杂网络中多个独立社区之间的重叠部分,其在社交、交通、舆情乃至反恐等领域具有广泛的应用。然而,目前基于标签传播的重叠社区挖掘算法在社区结构模糊的网络中表现出较强的随机性,导致准确度不高。针对重叠社区模糊边界导致的不确定性和低准确度问题,提出一种融合特征向量中心性与标签熵的标签传播算法ECLE-LPA。ECLE-LPA通过融合节点的K-核迭代因子与特征向量中心性来计算节点影响力并初始化节点标签,在标签传播过程中,通过节点标签熵和节点间亲密度更新节点标签列表及其标签隶属度,从而较好地克服了社区模糊边界的识别问题。实验结果表明：在Les Miserables、Polbooks、Football、Polblogs和Netscience等真实网络中,ECLE-LPA划分结果的EQ值普遍比对比算法提高了1%～3%;在社区结构模糊的人工网络中,ECLE-LPA划分结果的NMI值比其他标签传播算法提高了10%以上。     

一种具有平衡标签预测能力的在线哈希算法

针对传统离线哈希算法训练模型耗时、占用内存大和不易更新模型的问题,以及现实图像集的标签存在大量损失的现象,提出了一种能够平衡标签预测的在线哈希算法（BLPOH）。BLPOH通过标签预测模块生成预测标签,并融合残缺的真实标签,能够有效缓解因标签损失导致的模型性能下降。观察到标签存在分布不平衡现象,提出标签类别相似性平衡算法并应用于标签预测模块,提升标签预测的准确性。将旧数据的信息加入哈希函数的在线更新过程,提升模型对旧数据的兼容性。通过在两个广泛使用的数据集上进行实验,并和一些当前先进的算法进行对比,结果证实了BLPOH的优越性。     

基于预流推进的最小标号最大流算法

针对原始最高标号预流推进算法中的回溯现象导致其在部分网络中执行效率低下的问题,提出了基于预流推进的最小标号算法。该算法仍以预流推进为基础,但在选取活跃节点时依据贪心原则寻找最小标号活跃节点作为调整点,同时还需构造回溯检验方法终止回溯现象以提升算法效率。在仿真实验中,该算法能够适应各类复杂网络,并在稀疏网络中具有最高标号预流推进算法5倍以上执行速度;在被应用于图像分割领域时,该算法也具有50%以上性能提升。提出的基于预流推进的最小标号最大流算法能够满足大规模网络流量分配、计算机视觉图像处理等需求。     

融合K-shell和标签熵的重叠社区发现算法

针对标签传播算法稳定性不足、准确性较差的问题,提出了融合K-shell和标签熵的标签传播重叠社区发现算法OCKELP。首先,采用K-shell算法减少了标签初始化时间,并利用标签熵的更新序列提高了算法的稳定性;其次,引入综合影响力进行标签选择,并将社区层次信息和节点局部信息融合提高了算法的准确性。在真实网络数据集上,OCKELP相较于重叠社区发现算法（COPRA）、基于多核心标签传播的重叠社区识别方法（OMKLP）、SLPA的模块度最大提升分别约68.64%、53.99%、42.29%,在人工网络数据集的归一化互信息（NMI）值上,OCKELP相较于其他三种算法也有着明显优势,且随着重叠节点隶属社区数量的增加可以挖掘出社区的真实结构。     

融合标签预处理与节点影响力的重叠社区发现算法

针对节点初始标签散乱及标签传播随机性大的问题，提出一种融合标签预处理与节点影响力的重叠社区发现算法。首先，计算节点影响力，逐步选择影响力值最大的节点作为中心节点；然后，用中心节点的标签对同质的邻居节点进行标签预处理，减少了初始标签数量，降低了后续标签传播的随机性，并初步识别出了重叠节点；其次，通过标签隶属系数识别重叠节点，用节点影响力值选择非重叠节点标签，提高了算法的稳定性和准确性；最后，以最大化自适应函数增量为目标，对内聚度弱的社区进行合并，提高了社区质量。仿真实验结果表明：对于六个真实网络，所提算法在50%的数据集上具有最大的扩展模块度值；而在不同混合度、节点重叠度和节点最大归属社区数的人工基准网络上，该算法在标准化互信息（NMI）指标上都具有最好的性能。综上所述，该算法对各类网络都具有较好的适应性，且具有接近线性的时间复杂度。     

融合标签预处理与节点影响力的重叠社区发现算法

针对节点初始标签散乱及标签传播随机性大的问题,提出一种融合标签预处理与节点影响力的重叠社区发现算法。首先,计算节点影响力,逐步选择影响力值最大的节点作为中心节点;然后,用中心节点的标签对同质的邻居节点进行标签预处理,减少了初始标签数量,降低了后续标签传播的随机性,并初步识别出了重叠节点;其次,通过标签隶属系数识别重叠节点,用节点影响力值选择非重叠节点标签,提高了算法的稳定性和准确性;最后,以最大化自适应函数增量为目标,对内聚度弱的社区进行合并,提高了社区质量。仿真实验结果表明：对于六个真实网络,所提算法在50%的数据集上具有最大的扩展模块度值;而在不同混合度、节点重叠度和节点最大归属社区数的人工基准网络上,该算法在标准化互信息（NMI）指标上都具有最好的性能。综上所述,该算法对各类网络都具有较好的适应性,且具有接近线性的时间复杂度。     

基于标签传递的有向图重叠社团发现算法研究

社团发现作为网络科学中一个重要的基础问题受到了广泛的关注和重视.针对社团结构的研究为我们提供了从中尺度上分析和理解网络的途径,具有重要的理论和实际意义.已有的研究大多关注无向图和非重叠社团的发现.本文基于标签传递和用户排序的思想设计了一个有向图上的重叠社团发现算法,实际数据上的实验表明了算法在发现用户多重社团属性和确定社团规模方面的有效性.     

基于生成模型约束的graph cuts标签融合算法

人脑磁共振图像（magnetic resonance imaging,MRI）分割算法易受图谱错误标签的影响,为减少错误标签对标签融合准确度的影响,提高人脑磁共振图像的分割精度,在图谱预选阶段采用梯度信息和互信息筛选出相似性较大的图谱图像,标签融合阶段提出利用生成模型（generative model,GM）约束的graph cuts标签融合方法,快速准确地分割出人脑海马体结构。与其他的标签融合方法对比,提出的算法具有更高的分割精度。