滑动窗口内进化数据流任意形状聚类算法

任意形状聚类是数据流挖掘中的重要研究课题.提出一种滑动窗口内进化数据流任意形状聚类算法SWASCStream.提出了改良的微簇特征结构,能够全面地描述滑动窗口内任意形状的簇;提出新的稀疏微簇、临界微簇和非疏微簇的概念,有助于从本质上提高滑动窗口内的聚类质量;提出了合理的微簇周期删除策略,能够有效降低算法的维护代价,并且保证误差可控.通过一系列真实和人工数据集上的试验,验证了本文算法的高效性.     

一种掩膜图像窗口的快速灰度分布标准化算法

图像窗口模式匹配前常需进行灰度分布标准化预处理,但由于某些模式识别场合需要掩去图像窗口的一些无关区域,常见的灰度分布标准化处理快速算法不适用。应用广义积分图像,实现了一种任意掩膜的图像窗口灰度分布标准化快速算法。掩膜的形状具有对称性时,算法的计算速度还可进一步提高。实验表明,该算法能提高掩膜图像窗口灰度均值、方差的计算速度1倍以上,可实现多尺度目标检测中对大量掩膜图像窗口的快速灰度分布标准化处理。     

一般多边形窗口的线裁剪

已有的线裁剪算法都是针对矩形窗口或凸多边形窗口的。对于一般的多边形窗口(包括凹多边形)的线裁剪,目前尚无有效的算法。开发这种算法是很必要的,因为它在计算机图形学中有很广泛的应用,如物体的消隐处理等。因此,提出一个对于一般多边形窗口的线裁剪算法,并给出了最优实现。     

一个有效的多边形窗口的线裁剪算法

已有的线剪裁算法都是针对矩形窗口或凸多边形窗口的,对于一的多边形窗口（包括凹多边形）的线剪裁,目前尚无有效的算法,而这样的算法却有更普遍的应用意义。该文提出一个对于一般多边形窗口的线剪裁算法。该算法在被裁剪直线的延长线上取一固定点,然后求多边形窗口的每一顶点到该固定点引线的斜率。这样对于每个窗口边只需判断被裁剪直线的斜率是否在该边两顶点到固定点引线斜率之间,就可判定直线与边是否相交,因此,每处理一     

垂直交叉双向搜索策略的自适应窗口匹配算法

目的 基于区域的局部匹配算法是一种简单高效的立体匹配方法.针对局部算法中窗口的抉择问题,提出了基于垂直交叉双向搜索的自适应窗口匹配算法.方法 该算法考虑到局部区域内灰度值与视差值的相关性,通过垂直交叉双向搜索策略自适应地调节窗口的形状和大小,并获得相应掩码窗口;再利用积分图像计算掩码窗口的匹配代价,获取视差图;最后采用米字投票和双边滤波器两个步骤对视差图进行修复.结果 针对不同图像采用提出的自适应窗口算法,得到了适用于各种图像结构的匹配窗口,相较于原始垂直交叉算法的匹配精度提高了约30％ (Teddy),同时两步骤视差后处理较好地保持了图像边缘.结论 实验结果表明,该算法改善了规则窗口产生的视差边缘扩充问题,在提高视差精度的同时提高了算法鲁棒性.     

形状模板约束的图像协同分割

已有的协同分割方法没有考虑到同一类图像所具有的目标形状相似性,从而使得分割结果不一致。提出了形状模板约束的图像交互协同分割算法,通过少量用户交互提高协同分割质量。该算法首先定义形状模板;然后通过形状上下文实现分割结果传递,自动形成图像分割所需的前景和背景掩码;最后采用最小割理论进行分割边界优化。实验结果表明,与已有的协同分割算法相比,该算法能在简单用户交互下明显提高分割质量,使分割结果更具有语义性。     

基于滑动窗口的数据流压缩技术及连续查询处理方法

基于滑动窗口的连续查询处理是数据流研究领域的一个热点问题．已有的研究工作均假设滑动窗口内的数据能够全部保存在主存中，若滑动窗口内的数据量超过了可用主存空间，已有的查询处理方法则无法正常工作．提出两种数据流上的滑动窗口压缩技术，有效地降低了滑动窗口的存储空间需求．同时，给出了基于压缩滑动窗口的连续查询处理算法，理论分析和实验结果表明，这些算法具有很好的性能，能够满足数据流连续查询处理的实时性要求．     

基于区域增长的稠密立体匹配

针对稠密立体匹配中支持窗口的尺寸、形状和深度相似像素难以选择,以及物体边界和遮挡区域难以处理的问题,提出一种基于区域增长的局部立体匹配算法.首先应用区域增长的方法,通过颜色相似性和连通性约束动态地获得完全自适应的支持窗口.然后运用不同的策略为支持窗口内像素和搜索窗口内其他像素分配权值,减弱非深度相似像素对支持窗口的影响,并摒弃视差范围内不符合形状相似标准的支持窗口.最后,计算匹配代价.应用WTA(赢者全取)策略获得初始视差,统计支持窗口内符合置信度条件的像素的视差频率,以出现频率最高的视差作为最优视差.通过对支持区域获取、代价聚合和视差搜索步骤的分析和优化,降低算法复杂度.通过Middlebury平台的检验,表明算法具有良好的性能.     

光学检测窗口布置的增量式聚类算法的研究

为布置自动光学检测(AOI)系统的检测窗口,提出了一种增量式聚类的算法。该算法动态增量的检测聚类对象簇的有效性。实验证明,该算法克服了已有进化算法运算量大的缺点,能够在检测对象数量在1000以下的情况下,快速地布置检测窗口。     

区域和位图在建立任意形状的窗口中的应用

本文研究了Windows 98中位图和区域操作,给出了一个根据任意位图建立区域的算法,进而设置Windows的窗口为任意形状。     

基于双树复小波变换的BivaShrink自选窗图像去噪算法

在小波变换理论和双变量模型的研究基础上,本文提出了一种BivaShrink自选窗算法,该算法根据邻域内小波系数的相关度大小自适应选取邻域窗口。最后将双树复小波变换应用在BivaShrink自选窗图像去噪算法中。实验结果证明,BivaShrink自选窗优于BivaShrink 去噪算法,与传统的离散小波变换相比,双树复小波自选窗图像去噪效果优于BivaShrink自选窗。     

多重滑窗算法在DSP上的并行实现

滑窗算法作为一种遍历性的算法，其实时运算效率是一个重要的指标。本文介绍了用于雷达目标解模糊处理的滑窗算法，研究了在两片TMS320C5402芯片上并行实现多重滑窗算法的方案。在某 PD雷达系统的目标解模糊处理的应用中，充分利用了DSP的HPI接口，设计实现了方位、距离、速度三重滑窗算法。本文还介绍了硬件方案和软件流程以及一些提高运算效率的措施，取得了好的实用结果。     

椭圆曲线密码中标量乘算法的改进方案

基于椭圆曲线密码，提出了一种快速标量乘算法。此算法通过引入有符号和无符号滑动窗口编码方法，大大减少了标量乘算法中费时的加法运算次数。经理论分析和实验结果表明，运用有符号滑动窗口编码方法比NAF算法和无符号窗口编码方法更有优势，可以使标量乘算法比通常的算法效率提高更多。并且给出了最佳滑动窗口的宽度。     

卫星时间窗口计算的动态步长快速算法

针对卫星轨道连续跟踪采样的时间窗口传统计算方法计算量大、效率低的问题,提出了一种新的快速算法。为减少参与计算的采样点数量,算法通过预测参与计算对象之间距离动态调整采样步长;为使算法适于解决各类时间窗口计算问题,提出广义可视概念进行时间窗口判定。分别研究了卫星与地面点目标可见时间窗口、星间可见时间窗口、卫星对地面目标覆盖时间窗口、地面大范围区域卫星过境时间窗口的广义可视判断方法和预测距离计算模型。实验结果表明,算法与传统算法精度完全一致,效率提升约99.7%。     

双窗目标特征提取算法研究

为了得到更加稳定性和准确性的目标特征,提出了一种双窗目标特征提取算法.首先在目标周围设置两个初始窗,其中小窗作为提出的改进活动轮廓模型的初始曲线;其次根据活动轮廓模型运动规则进行迭代得到目标的轮廓,作为特征提取的内窗.运用加权比例直方图法提取内、外窗的日标特征,根据设定的规则计算目标特征.最后通过实验证明了上述算法相对传统目标特征提取算法能够得到更佳准确的结果.     

彩色图像对自适应匹配算法

提出了两种方法来提高图像匹配的精度。一种方法是改变自适应匹配窗口的选择方法,与原来的矩形窗口相比较,提出的窗口选取方法能在低纹理区域得到包含有效信息量更多、更接近实际边界的窗口。此外,通过降低边界点相似度在计算过程中的权重来降低边界点影响力,使得视差不连续区域的匹配精度得到提高。算法采用了Middlebury网站上提供的四幅立体图像对Tsukuba、Venus、Teddy和Cones分别进行实验验证。实验表明文中提出的两种方法对四幅图像的匹配精度均有所提高。     

基于矩形窗口裁剪的圆形窗口裁剪算法

本文在研究了一系列圆形裁剪算法的基础上提出了一种以矩形窗口为基础的圆形窗口裁剪算法。     

基于衰减滑动窗口数据流聚类算法研究

数据流具有数据流量大、流量连续且快速、难以存储和恢复等特性,其挖掘质量和效率是检验挖掘算法的重要标准.传统的数据流聚类挖掘算法是基于界标窗口、滑动窗口和衰减窗口模型,其算法的聚类质量较差,时间复杂度高等不足,就此类问题,研究一种滑动衰减窗口的数据流聚类算法,并对算法进行了设计与实现,有效的改善传统数据流算法聚类质量和时间效率的问题.仿真实验结果表明了该算法的有效性,达到了较满意的效果.     

Koblitz曲线上的窗口标量乘算法

研究Koblitz曲线上的快速标量乘法,从整数k的TNAF出发,给出一种上层运算:基于Frobenius映射的窗口算法,该算法对一定长度的序列预先计算其对应的椭圆曲线上点保存,累加赋值阶段充分使用该预计算表.由于Frobenius映射的高效,本文算法所需的点加量是传统窗口算法1/5～1/4,当窗口宽度任意时,本文算法的效率在任意坐标下比传统Comb算法高效至少66%.     

基于滑动窗口的独立分量分析算法

针对时变混合模型的独立分量分析(ICA)问题,提出了基于滑动窗口的ICA算法.给出了基于滑动窗的分离矩阵递归学习算法,提高了算法的运算效率,因此可应用于独立分量的在线提取和动态独立分量分析等应用场合另外,针对独立分量排序不确定性所带来的问题,提出了利用峭度值大小对输出信号进行动态排序的思路.仿真实验证明了这一思路是可行的.对窗函数长度的选择问题还进行了探讨,得出了一些有参考价值的结论.实验结果表明,基于滑动窗ICA算法能较好地应用于时变混合模型的独立分量提取,具有良好的盲分离性能.