整数的带符号二进制表示数的快速计算

整数的带符号数字表示广泛应用于计算机算术、密码学、数字信号处理等领域。一个长度为n比特的整数有多种带符号二进制表示。对整数的带符号二进制表示数的性质进行研究,给出了两个改进的非递归算法,所得算法能快速计算给定整数的给定长度的带符号二进制表示数,且降低了空间消耗。     

基于Gabor和二值叠加CS-LBP特征的人脸表情识别

在表情识别中Gabor结合局部二值模式（LBP）的特征提取方法以及直方图统计降维虽然是较为局部化的方法,但LBP鲁棒性较差,识别精度不高,而且使用直方图统计来区分表情,其计算复杂度和特征维数依旧较高。中心对称局部二值模式（CS-LBP）与LBP相比具有较好的鲁棒性,但其对表情纹理细节的描述仍不够详细。因此提出基于Gabor结合改进的CS-LBP即二值叠加中心对称局部二值模式（二值叠加CS-LBP）的特征提取方法。用Gabor提取特征,同时用两种计算方式提取两个特征值并叠加,作为最终识别的特征;并通过离散余弦变换（DCT）降维,有效降低表情的特征维数。在JAFFE表情库中实验验证了该方法能有效提高识别精度。     

二元联系数的多准则直觉模糊决策

为了研究信息不完全确定的多准则直觉模糊决策,将直觉模糊数转化为二元联系数,建立了基于二元联系数权系数信息不完全确定的多准则直觉模糊决策综合加权模型,并作不确定性分析.结合具体应用实例,说明了该模型的有效性及合理性.     

基于二叉树和Adaboost算法的纸币号码识别

运用一种快速弱分类器训练算法和高速缓存策略来加速Adaboost算法的训练。集成学习算法Adaboost能够精确构建二分类器,运用二叉树型结构快速灵活地将纸币号码识别转化为一系列的Adaboost二分类问题。实验结果证明, 快速Adaboost训练算法能加快训练速度,基于二叉树和Adaboost的纸币号码识别系统具有较好的识别率和处理速度,已经应用在点钞机、清分机和ATM中。     

A systematic study on attribute reduction with rough sets based on general binary relations

Attribute reduction is considered as an important preprocessing step for pattern recognition, machine learning, and data mining. This paper provides a systematic study on attribute reduction with rough sets based on general binary relations. We define a relation information system, a consistent relation decision system, and a relation decision system and their attribute reductions. Furthermore, we present a judgment theorem and a discernibility matrix associated with attribute reduction in each type of system; based on the discernibility matrix, we can compute all the reducts. Finally, the experimental results with UCI data sets show that the proposed reduction methods are an effective technique to deal with complex data sets.     

基于球结构的完全二叉树SVM多类分类算法

针对一般的SVM方法不能有效地处理不平衡样本数据及现有的偏二叉树结构SVM分类器速度慢的这两个问题,提出了一种基于球结构的完全二叉树SVM多分类算法。该算法利用球结构的SVM考虑了每个类的分布情况,能有效地处理不平衡样本数据;构建完全二叉树结构,使得同层节点所代表的SVM分类器可以并行工作,能提高其训练和分类速度,分类速度相当于折半查找。实例验证两者结合后的算法可实现准确且高效的多类分类。     

Rotation and scale invariant local binary pattern based on high order directional derivatives for texture classification

Local Binary Pattern (LBP) only encodes the first order directional derivatives of a center pixel but it does not consider higher order derivatives. This paper proposes a rotation and scale invariant local binary pattern by jointly taking into account high order directional derivatives, circular shift sub-uniform, and scale space. Each order directional derivatives are independently encoded in a similar way of the first order derivatives to generate a code for the center pixel. Different order derivatives produce different codes that result in several histograms over an image, and then all the histograms multiplied by weights are concatenated together to fully utilize information of different order derivatives. To further improve performance, circular shift sub-uniform and scale space techniques are used to obtain rotation and scale invariant local binary patterns. Extensive experiments show that the high order derivatives based LBP can achieve good performance and obviously outperforms existing methods.     

一种基于频度统计的动态二进制翻译优化方法

在动态二进制翻译过程中,将执行频度高的代码片段长时间驻留在翻译缓存,同时扩大翻译器一次执行的代码量,是减少上下文切换开销、提升系统效率的有效途径。为此,提出了“热代码识别→超块缓存构造→T-Cache管理策略改进”的优化线索,设计了一种基于频度统计的热代码识别算法,将频度值超过预设阈值的基本块及其后续基本块作为热代码识别条件;基于识别出的热代码,提出了构造超块缓存的思想,将热代码包含的基本块翻译后做物理连接,形成容量更大的超块缓存提供给T-Cache系统;以此为基础,改进了T-Cache系统原有的查找方法和替换策略。实验验证了该优化方法的正确性和有效性,在国产申威处理器平台上,该方法使得标准测试集SPEC 2006获得平均9.34%的性能提升。     

一种新的基于二叉树的SVM多类分类方法

介绍了几种常用的支持向量机多类分类方法,分析其存在的问题及缺点。提出了一种基于二叉树的支持向量机多类分类方法（BT SVM）,并将基于核的自组织映射引入进行聚类。结果表明,采用该方法进行多类分类比1 v r SVMs和1 v 1 SVMs具有更高的分类精度。     

基于二叉树型分层的广义混合模糊系统推理规则数的缩减

为避免广义混合模糊系统因输入变量个数的增加而引起规则爆炸现象,应用二叉树型分层方法给出混合推理规则,进而对广义混合模糊系统的输入实施二叉树型分层,从理论上获得了该系统分层后的输入输出表达式和推理规则总数的计算公式.此外,通过实例对该系统分层和不分层的规则总数进行了比较和分析,结果表明分层后广义混合模糊系统可大幅度缩减推理规则总数,并可有效地避免规则爆炸.     

一种基于单演相位局部差分二值模式的人脸识别方法

提出一种融合单演方向和尺度间互补信息的单演相位局部差分二值模式的人脸识别方法。该方法首先提取图像的单演相位,对单演相位进行局部差分,求绝对值,并进行二值编码;接着对单演方向和相位尺度间对应的相位点进行二值编码;然后将单演方向编码、相位尺度间编码、同一尺度的单演相位差分二值编码按顺序排列形成单演相位差分模式;最后采用统计学的方法形成单演相位差分二值模式映射表,并将单演相位编码进行映射,从而达到保留主要特征模式、降低特征维度的目的。在ORL和CAS PEAL人脸库上的实验表明,该方法具有很好的识别性能。     

基于二进制可辨矩阵的属性约简算法的改进

属性约简是粗糙集理论的核心内容之一，信息系统中知识(属性)并不是同等重要的，甚至其中某些知识是冗余的。属性约简是在保持信息系统中知识量(即分辨能力)不变的条件下，删除其中不相关或不重要的知识，现已证明寻找信息系统的最小属性约简是NP-hard问题。解决这类问题的一般方法是采用启发式算法求出最优或次最优约简。对支天云等所给出的二进制可辨矩阵的化简算法进行了改进，并根据属性的分辨能力的大小，提出了一种基于二进制可辨矩阵的思路清晰、实现简便的属性约简算法。通过算法分析表明，该算法是更加高效的。     

基于二进制的知识表求核算法

求核运算是属性约简的基础,直接影响着知识约简的效率.提出了基于二进制的新的知识表求核算法,将求核运算转化为数值的比较运算,并且利用rough set理论的相关知识得出了一个重要定理,利用此定理,在求必要属性时,只需选取U/IND(R)每个分类中的一个元素进行比较,大大减少了数据处理量.与传统算法相比,其速度更快,效率更高,易于计算机实现,为扩展粗糙集的应用提供了理论基础.     

采用二叉树结构生成概念格的算法

概念格是数据分析的一种有力工具。而二叉树在数据结构中具有简单的存储结构。给出了一类具有特殊结构的概念格,针对这种类型的概念格,采用二叉树的结构对概念格的节点进行重新的组织,研究了基于添加对象的渐进式生成概念格的算法。利用这种二叉树的结构,在某些情况下可以减少判断不变概念或更新概念的范围,同时,结合实例说明了这种算法的有效性。     

基于VRML文件的二进制压缩编码技术研究

VRML已经成为互联网上传输三维模型的主要文件格式。对于复杂场景模型具有数据信息量大的特点,尽管传统的VRML文件已采用了某种形式的压缩处理,但其文件仍旧相对庞大。因此,文章提出针对VRML文件的二进制压缩编码技术,对这些数据进行压缩处理,使之大小适合在网络中传输,同时压缩后的数据信息不影响虚拟可视化的显示质量。     

基于满二叉树的二分K-means聚类并行推荐算法

在推荐系统中应用K-means算法聚类可有效降维,然而聚类效果往往依赖于选定的初始中心,并且一旦选定目标簇后,推荐过程只针对目标簇进行,与其他簇无关。针对上述两个问题,提出一种基于满二叉树的二分K-means聚类并行推荐算法。该算法首先反复迭代二分K-means算法,迭代过程中使用簇内凝聚度作为分裂阈值,形成一颗满二叉树;然后通过层次遍历将用户归入到K个叶子节点(簇);最后针对K个簇,应用MapReduce框架进行并行推荐预测。MovieLens上的实验结果表明,该算法可大幅度提高推荐系统准确性,同时增强系统可扩展性。     

基于EREW的后序遍历二叉树算法

针对单处理器后序遍历二叉树的时间复杂度为O（n）问题,提出了在EREW PRAM并行计算模型下一种后序遍历二叉树的算法。将后序遍历二叉树的边构造一个单链表,使用指针跳越技术对单链表进行表序问题求解,从而得到后序遍历二叉树结点的顺序。得出了运用该算法将时间复杂度从O（n）减少到O（logn）的结论。     

几何特性二元关系的直线匹配

目的 针对直线编组匹配方法数据处理量大、耗时长,且易受阈值选择变化影响,提出一种几何特性二元关系的直线匹配算法。方法 利用线段二元关系计算出参考线段对与待匹配线段对的局部相似度,并用阈值对局部相似度进行初步过滤,然后采用分步笛卡儿积运算、逐步过滤递推得到候选线段集,最后在计算出所有候选线段集的全局相似度的基础上,综合考虑局部相似度和全局相似度得到最终的匹配结果。结果 该算法具有良好的旋转、缩放和平移不变性,对直线的端点和长度变化不敏感,且阈值选择对匹配结果影响小,具有较好的鲁棒性,同时充分考虑直线方向问题,提高了匹配的准确率。结论 通过算法分析和实验结果分析,证明了该算法的合理性、高效性和可靠性。     

基于区域生长法提取二值图像中的连通区域

标记二值图像连通区域是图像处理过程的基本算法,机器视觉和模式识别中常用此方法提取目标和分析目标几何特征。文章以人机交互方式获得初始种子点,增强种子点的可靠性,通过区域生长法提取二值图像中的连通区域。     

二元截集下的Vague集的分解定理

为了揭示Vague集和经典集之间的联系,在Vague集二元截集的基础上,提出了两个新的Vague集的分解定理。Vague集的分解定理表明Vague集可以由它分解出的截集簇来表示,而这些截集簇都是普通集。最后实例说明了其有效性。