基于Bloom Filter的报文分类算法

针对传统报文分类算法在实际运行中存在的问题,提出一种基于Bloom Filter的报文分类算法。将该算法的思想应用于入侵防护系统硬件模型,建立相应的流信息预处理引擎,并介绍具体的实现方法。实验结果表明,该算法是有效实用的。     

基于QoS Guided Min-min任务调度算法局部优化

在对网格环境中现有任务调度算法的研究基础上,分析了调度算法中经典的Min-Min算法和Qos GuidedMin-min算法,指出了这些算法中所存在的负载不平衡的缺点,在此基础上,提出对Qos Guided Min-min算法进行局部优化和改进,并采用SimGrid模拟器对优化的算法进行仿真,结果表明,优化改进后的算法合理,具有较高的性能。     

基于形态分解运算的地形图要素自动提取与识别

针对地形图识别中的要素自动分割问题，提出了基于形态分解运算的提取算法．本算法根据形态特征的不同将地图要素进行结构分解，然后运用腐蚀、膨胀、改进的RLS变换等算子对相同特征的结构进行分类综合，最后依据要素特征组合的整体分析实现了地图上各要素的提取．同以往的算法相比，本算法运算简单，且能更好的解决地图要素的重叠及粘连问题．此算法已编程实现，实验证明效果比较理想。     

图象匹配的一种量度及其在扫描地形图要素提取中的应用

本文提出了图象匹配的一种量度,这种图象匹 配的量度既考虑了差异信号的积累及其分布（结构）的特点,还考虑了异常差异信号的处理 ．同时提出了基于图象匹配量度的扫描地形图中对称形状要的素提取算法．通过实际算例, 验证了所提出匹配量度和所算法的有效性与实用性,这对扫描地形图的矢量化和模式识别理 论都有着重要的意义．     

地形图点状符号的自动提取和识别

针对扫描地形图的点状符号, 提出了一种基于距离变换进行提取和识别的新方法. 首先优化分版图的提取结果, 根据弯曲密度和线划密度过滤掉非点状符号的线划, 利用加壳变换和蜕皮变换进行点状符号的图文分离. 然后根据加权距离函数来度量符号的全局特征, 由骨架线的一致性来度量符号的几何形状特征, 并结合这两个特征来识别点状符号. 最后, 提出了错切文字注记和线状要素注记的识别方法.     

基于Filter Wrapper模式的特征选择算法*

特征选择是数据挖掘、机器学习和模式识别中始终面临的一个重要问题。针对类和特征分布不均时,传统信息增益在特征选择中存在的选择偏好问题,本文提出了一种基于信息增益率与随机森林的特征选择算法。该算法结合Filter和Wrapper模式的优点,首先从信息相关性和分类能力两个方面对特征进行综合度量,然后采用序列前向选择（Sequential Forward Selection, SFS）策略对特征进行选择,并以分类精度作为评价指标对特征子集进行度量,从而获取最优特征子集。实验结果表明,本文算法不仅能够达到特征空间降维的效果,而且能够有效提高分类算法的分类性能和查全率。     

一种地形图粘连汉字提取算法

地形图中包含了大量的字体丰富的汉字注记,其中有一部分由于与其它图符对象相互粘连而使得对象的尺寸变大超过了预定的阈值或失去了原有的结构特性,大大增加了提取难度。本文提出了一种寻求最佳分割点的算法来去除粘连,提取汉字的算法,取得了良好的效果。首先,在已提取出的汉字周围确定一个局部搜索范围,当局部范围内存在大尺寸的对象时表明可能有潜在的粘连汉字;其次,以图象中的分枝点和端点为顶点,以其中的图段为边建立对应的图;然后,在图中寻找最佳分割点,将图符分割成不同的互相分离的几个部分;最后,用连通成分结构分析的方法来提取汉字。     

一种新的地形图汉字注记自动提取算法

地形图中包含大量的汉字注记,为了实现地图要素自动识别,首先要将文字正确地提取出来。该文通过对汉字特征的分析,提出了一种新的汉字提取算法。首先根据地图图像的特点进行骨架运算,利用形态算子对汉字笔画进行分解,最后实现对汉字注记的笔画统计提取。该算法较好地解决了字线粘连、旋转等情况下的汉字提取问题,具有良好的稳定性。     

K分组合型Bloom Filter方法的设计

Bloom Filter是一种采用位向量表示数据集合并利用Hash函数支持有效数据查找的方法.它能够很好地判定某个元素是否属于给定的集合.拆分型Bloom Filter是Bloom Filter的一种改进,它能较好地缓解分布式环境下集合元素动态增长导致的查找误称率增大问题.作为一种新的K分组合型Bloom Filter,通过与Bloom Filter和拆分型Bloom Filter比较分析的结果表明,该方法能够在误称率、向量空间和平均判定时间3个指标中得到较好的平衡.     

显著度可控的DEM地形特征线提取

目的 基于数字高程模型（DEM）的地形山脊线和山谷线提取对地形模型简化、基于样本的地形合成和地形地貌研究有重要意义,针对许多传统算法无法对所提取特征线的显著度进行方便准确的控制,以及不支持环形特征线提取的问题,提出一种新的显著度可控的DEM地形特征线提取算法。方法 首先利用全局断面扫描算法提取特征点并计算各特征点的显著度,然后根据特征点的特征方向进行特征延伸以增强特征连通性,接着采用改进的Hilditch细线化算法对特征点集合进行细线化处理,之后为相邻特征点添加特征边,构成特征图,利用环路检测与破环算法检测特征图中的环路,并破除冗余小环路,最后根据分支显著度的相似度和分支方向一致性进行特征图分解,计算分解得到特征线的显著度并筛选得到最终特征线。结果 使用真实DEM数据提取最显著的若干条特征线,与现有的基于特征显著度的地形特征线提取算法进行对比,本文算法对特征图的分解能够更准确地提取主干特征线,而基于显著度的特征线筛选控制也更加准确合理。对提出的环路检测与破环算法进行实验验证,该算法能保留大的山脊线环路,破除小的冗余环路。结论 实验结果表明,本文算法能有效实现显著度可控的山脊线和山谷线自动提取,提取结果与人眼观察结果基本一致,同时能够支持含有环形特征的地形。     

GPU加速的高分辨率DEM图像地形特征线提取算法

随着数据采集设备的发展,数字地形分析中高分辨率数字高程模型(DEM)图像越来越普遍。目前已经存在一系列的曲线结构提取算法由于计算复杂度较高,因此在针对高分辨率DEM图像提取地形特征线时效率较低。提出一种在图形处理器(GPU)上加速Steger曲线结构提取算法的策略,利用图形处理器上计算统一设备架构(CUDA)的高度并行性来加速算法中计算密集的Hessian矩阵生成模块以及图像特征点提取模块,对于百万像素级的DEM图像该算法可以获得5倍以上的加速比。     

扫描地形图中等高线的识别

针对一般质量地形图的扫描过程中颜色混淆和错误现象比较严重,以致于在彩色分割等高线时不仅由于其自身与其他地图符号交叉或交叠而形成的断裂变得更为复杂,而且等高线间的密集排列也会造成粗线现象（等高线彼此粘连在一起）等问题提出一种有效的针对一般质量地形图中等高线的识别方法.该方法具有3个特点：一是彩色地图分割中使用关键颜色集技术以补偿混淆和错误颜色;二是在原图像中等高线出现断裂和粗线的地方采用局部窗口再分割算法,以解决等高线断裂和彼此粘连问题;最后利用等高线的全局拓扑性质滤波得到正确的等高线.实验结果表明该方法对于一些高质量和一般质量的地形图中等高线的识别都具有一定的应用潜力.     

基于ARM的指纹特征点快速提取改进算法

实时性一直是嵌入式指纹识别系统开发的主要衡量标准，如何对指纹图像进行快速、准确处理是指纹识别系统的关键所在。针对ARM处理平台提出一种改进的指纹特征点提取算法，该算法的快速性和准确性已在ARM主建平台上得到了验证。     

基于文化粒子群算法的KPCA特征提取

如何选择最优或接近最优的核函数使分类错误率降低,是KPCA应用于特征提取的关键。为了优化核 函数,提高特征提取的能力并降低分类错误率,在研究了文化算法（cultural algorithm, CA）、粒子群优化（particle swarm optimization, PSO）相关文献的基础上,提出了一种文化粒子群算法（cultural based PSO, CBPSO）流程,并 将此算法用于训练核函数参数,实现了KPCA和CBPSO的集成,有效地提高了核函数的优化选择。通过比较 CBPSO-KP     

基于多维特征图知识蒸馏的对抗样本防御方法

计算机视觉领域倾向使用深度神经网络完成识别任务,但对抗样本会导致网络决策异常。为了防御对抗样本,主流的方法是对模型进行对抗训练。对抗训练存在算力高、训练耗时长的缺点,其应用场景受限。提出一种基于知识蒸馏的对抗样本防御方法,将大型数据集学习到的防御经验复用到新的分类任务中。在蒸馏过程中,教师模型和学生模型结构一致,利用模型特征图向量作为媒介进行经验传递,并只使用干净样本训练。使用多维度特征图强化语义信息的表达,并且提出一种基于特征图的注意力机制,将特征依据重要程度赋予权重,增强蒸馏效果。所提算法在Cifar100、Cifar10等开源数据集上进行实验,使用FGSM(fast gradient sign method)、PGD(project gradient descent)、C&W(Carlini-Wagner attack)等算法进行白盒攻击,测试实验效果。所提方法在Cifar10干净样本的准确率超过对抗训练,接近模型在干净样本正常训练的准确率。在L2距离的PGD攻击下,所提方法效果接近对抗训练,显著高于正常训练。而且其学习成本小,即使添加注意力机制和多维度特征图等优化方案,...     

基于用户兴趣特征提取的推荐算法研究*

传统的推荐算法一定程度上降低了网络消费者的搜索成本,但难以实时提供消费者满意的推荐服务,也忽略了用户偏好动态转移性。为了提高电子商务系统的推荐质量,从用户偏好的行为特征入手,建立了网络用户的兴趣特征提取模型,并设计了相应的推荐算法。通过对用户兴趣特征提取模型的检验和用户兴趣度矩阵的建立,依据与目标用户偏好相似的邻居用户对商品的兴趣程度预测用户对未浏览商品的兴趣度,并选择兴趣度值较高的N个商品推荐给用户。实验结果表明,在用户偏好动态转移的情况下,所设计的推荐算法的推荐精度和推荐效率明显提高,提高了网络用户的     

基于分组卷积和特征图级联的轻量级目标检测

针对Pelee轻量级目标检测网络中参数量和计算量较多、检测精度较差等缺陷,提出了基于分组卷积和特征图级联的轻量级目标检测网络GCPelee。首先,利用分组卷积替换检测模块中的标准卷积形式以减少模型参数量和计算量;其次,在检测模块上应用特征图级联,将感受野较大的特征图包含的信息传递至感受野较小的特征图,提升后者的感受野大小。实验结果表明,优化后的GCPelee模型参数量和计算量均得到减少,检测精度得到了提升。     

气象传真图信息提取

该文采用图像处理方法提取气象传真图中等位势高度线、等位势涡度线、锋线等信息,以便于分析及与其他信息的融合。提出一种新的基于多区域特征点(块)配对的交叉线识别方法提取交叉的等位势高度线,提出新的向量积算法识别等位势涡度线中的虚线段,综合多种三角形提取方法提取锋线上的三角形。实验结果表明,这些方法能够有效地识别出气象传真图中等位势高度线、等位势涡度线、锋线。     

基于随机子空间的多标签类属特征提取算法

目前多标签学习已广泛应用到很多场景中,在此类学习问题中,一个样本往往可以同时拥有多个类别标签。由于类别标签可能带有的特有属性（即类属属性）将更有助于标签分类,所以已经出现了一些基于类属属性的多标签学习算法。针对类属属性构造会导致属性空间存在冗余的问题,本文提出了一种多标签类属特征提取算法LIFT_RSM。该方法基于类属属性空间通过综合利用随机子空间模型及成对约束降维思想提取有效的特征信息,以达到提升分类性能的目的。在多个数据集上的实验结果表明：与若干经典的多标签算法相比,提出的LIFT_RSM算法能得到更好的分类效果。