一种新的红外目标提取算法

针对红外热图像普遍存在的目标与背景对比度差、边缘模糊等特点,提出了一种结合图像统计特征和模糊聚类的红外图像目标提取方法对红外图像进行迭代分块,通过计算统计特征度量函数的极值来确定种子区域,进而获得红外目标约束区域。利用模糊聚类对该约束区域进行有效的聚类划分,最终实现红外图像目标提取。实验结果表明,该方法能够准确的对红外目标进行提取,便于下一步的红外目标识别与跟踪。     

一种基于GA的混合属性特征大数据集聚类算法

在数据挖掘中,经常会遇到和分析大量具有数值和类属特征的数据。然而,现有的大多数算法只能单独处理数值特征数据或类属特征数据,而不能分析具有混合属性的数据。为此,该文提出了一种基于GA的模糊聚类新算法,通过改进聚类目标函数将数值特征与类属特征相结合,从而实现具有混合属性特征数据的聚类分析;通过引入GA算法能够快速得到全局最优解,而且不依赖于原型初始化。实验结果表明,基于GA的新聚类算法对于处理具有混合特征的大数据集聚类问题是相当有效的。     

一种基于CSA的混和属性特征大数据集聚类算法

在数据挖掘中,我们经常会遇到和分析大量具有数值和类属特征的数据.然而,现有的大多数分类算法只能单独处理数值特征数据或类属特征数据,而不能分析具有两种混合属性的数据.为此,本文提出一种基于克隆选择的模糊聚类新算法,通过改进距离测度函数将数值特征与类属特征相结合,从而实现具有混合属性特征数据的聚类分析;通过引入克隆选择算法(CSA)实现目标函数的全局优化.由于克隆算子能够将进化搜索与随机搜索、全局搜索和局部搜索相结合,因而通过对候选解进行克隆算子操作,能够快速得到全局最优解.实验结果表明,基于CSA的模糊聚类新算法对于处理具有混和特征的大数据集聚类问题是相当有效的.     

深度特征联合表征的红外图像目标识别方法

针对红外图像目标识别问题,提出了联合卷积神经网络和联合稀疏表示的方法。卷积神经网络学习红外目标图像的深度特征,描述目标的多层次特性。不同深度特征可实现对目标不同特性的描述,因此具有良好的互补性。综合运用多层次深度特征,可为目标识别提供更为充分的信息。分类过程中,采用联合稀疏表示对待识别样本的多层次深度特征矢量进行表征,通过不同特征矢量之间的相关性约束提升整体表示精度。因此,联合稀疏表示在利用各层次深度特征的同时,充分考察了它们之间的内在关联。根据联合稀疏表示的输出结果,按照误差最小的原则判定输入样本的目标类别。实验基于中波红外（ MWIR）目标图像数据集开展,分别在原始测试样本、噪声测试样本以及少量训练样本3类条件下对提出方法进行了测试,并与4类现有红外目标识别方法进行了对比分析。实验结果表明,提出方法在设置的3类测试条件下均可以取得优势性能,表明其对于红外图像目标识别问题具有应用潜力。     

一种基于自监督学习的人脸美丽预测方法

人脸美丽预测是研究如何让计算机判断人脸美丽的前沿课题，随着深度学习的不断进展，已经取得了一定效果。然而，基于深度学习的人脸美丽预测需要大量的训练数据和昂贵的人脸美丽标注。因此，如何在少样本条件下取得较好效果，仍有待深入研究。自监督学习可在上游任务中利用无标注数据来学习较好的特征，从而能在下游任务中降低对标注数据的依赖。为此，本文将自监督学习应用于人脸美丽预测，采用批次内对象识别和多视图特征聚类。其中，批次内对象识别通过给每批次不同样本分配独立的伪标签来学习特征，使得网络有区分每个样本对象的能力。多视图特征聚类首先将人脸图像进行多次数据增强；再经过编码器，得到人脸属性特征；最后通过自监督约束使人脸属性特征聚合在一起。基于大规模亚洲人脸美丽数据库（Large Scale Asia Facial Beauty Database, LSAFBD）和SCUT-FBP5500数据库的实验结果表明，本文所提方法降低了模型对有标注数据的依赖，提高了预测准确率，在少样本条件下优于以Resnet18为基线的有监督学习方法，准确率高于常规自监督学习方法，可广泛应用于目标检测和图像分类等领域。     

基于数据挖掘的空中目标航迹特征提取技术研究

数据挖掘技术是指从大量数据中搜寻潜在的具有某些特殊属性的信息。边缘检测是通过提取图像边缘线获得图像的边缘轮廓信息。将数据挖掘技术与图像边缘检测技术相结合,充分利用历史情报数据形成目标运动轨迹的图像,利用边缘检测和聚类技术提取目标运动特征和运动规律,为进行目标意图识别提供了有力支撑。     

一种新颖的强海杂波背景下弱小目标鲁棒检测算法

红外弱小目标的自动检测是光电火控系统、红外导引头等武器装备中的关键技术之一。本文针对复杂海杂波背景下低信噪比目标检测问题,结合SURF特征描述符,提出了一种基于自动聚类分割的弱小目标检测算法。该方法首先利用SURF算法计算出红外图像中的兴趣点,并将多帧的兴趣点投影到一帧中形成累积图。由于目标在红外序列中的连续性,目标点会在累积图中进行聚集;然后使用改进的快速聚类分割算法自适应的检测出疑似目标;最后根据目标类具有的大小约束与线性约束先验信息,从海杂波中区分出所需的弱小目标。大量仿真实验及实物验证表明,相比于其他现有算法,本文提出方法在处理具有较低信噪比/杂波比的视频下的弱小目标时可以获得较好的检测性能,同时该方法的实时性强,可在多项式时间复杂度下得到最优检测目标,适合工程应用。     

一种运用自聚类方法优化椭圆图像识别的方法

在高分辨率图像中,为获得较高的椭圆目标识别效率与拟合精度,提出了一种利用自动聚类技术优化椭圆识别和拟合的方法。本方法先对原始图像进行降采样;在缩减图的颜色空间中进行kmeans自动聚类并进行原始图像的预分割;经图像连通性分析后,分离出若干目标区域;再利用各目标区域的边界信息拟合椭圆;最后依次经边界长度约束、椭圆方程参数约束、椭圆拟合精度误差指标正确识别出椭圆目标物,并获得较高精度的椭圆方程。实验表明,该方法能够自适应图像质量的较大范围波动,具有较高的识别正确率和拟合精度,同时也兼顾了识别速度,在工业视觉测量领域具有一定的理论和实用价值。     

基于ICM的局部不变特征提取方法

提出了一种新的基于交叉皮层模型(intersecting cortical model,ICM)的局部不变特征提取方法.首先将k-means聚类后的Harris角点作为关键点,接着以关键点为中心构造特征区域,最后采用ICM图标信号对特征区域进行描述作为局部不变特征.实验结果表明:该方法所获取的局部不变特征具有很好的可重复性,并且当目标处于复杂背景以及遮挡条件下具有较好的识别性能.     

基于深层-浅层双流学习图模型的无监督少样本红外空中目标识别网络

在军事空中目标识别领域,由于样本数量缺失,现有人工智能算法无法完成准确识别。文章利用已有足量辅助域图像辅助少样本应用域进行跨域目标识别,解决因标签缺失与样本稀疏导致的识别模型泛化能力不强及性能不佳问题。文章提出一种基于深层-浅层双流学习图模型（D-SLGM）的跨域目标识别算法。首先,提出一种深层-浅层双流特征提取算法,解决无监督少样本条件下特征表示困难的问题;同时,提出一种基于图模型的特征融合算法,实现特征间高精度融合;基于融合后的特征训练识别模型,提升算法的泛化能力。使用自建空中目标数据集,设计三种应用场景。实验结果表明,D-SLGM平均识别准确率均值达到78.2%,优于对比方法,在实际空中目标识别应用中具有较大潜力。     

Applications of entropic spanning graphs

This article presents applications of entropic spanning graphs to imaging and feature clustering applications. Entropic spanning graphs span a set of feature vectors in such a way that the normalized spanning length of the graph converges to the entropy of the feature distribution as the number of random feature vectors increases. This property makes these graphs naturally suited to applications where entropy and information divergence are used as discriminants: texture classification, feature clustering, image indexing, and image registration. Among other areas, these problems arise in geographical information systems, digital libraries, medical information processing, video indexing, multisensor fusion, and content-based retrieval.     

基于超图排序算法的视频摘要

视频摘要技术作为一种快速感知视频内容的方式得到了广泛的关注.现有基于图模型的视频摘要方法将视频帧作为顶点,通过边表示两个顶点之间的关系,但并不能很好地捕获视频帧之间的复杂关系.为了克服该缺点,本文提出了一种基于超图排序算法的静态视频摘要方法（Hyper-Graph Ranking based Video Summarization,HGRVS）.HGRVS方法首先通过构建视频超图模型,将任意多个有内在关联的视频帧使用一条超边连接;然后提出一种基于超图排序的视频帧分类算法将视频帧按内容分类;最后通过求解提出的一种优化函数来生成静态视频摘要.在Open Video Project和YouTube两个数据集上的大量主观与客观实验验证了所提HGRVS算法的优良性能.     

Graph-theoretic analysis of structured peer-to-peer systems: routing distances and fault resilience

This paper examines graph-theoretic properties of existing peer-to-peer networks and proposes a new infrastructure based on optimal-diameter de Bruijn graphs. Since generalized de Bruijn graphs exhibit very short average distances and high resilience to node failure, they are well suited for distributed hash tables (DHTs). Using the example of Chord, CAN, and de Bruijn, we study the routing performance, graph expansion, clustering properties, and bisection width of each graph. Having confirmed that de Bruijn graphs offer the best diameter and highest connectivity among the existing peer-to-peer structures, we offer a very simple incremental building process that preserves optimal properties of de Bruijn graphs under uniform user joins/departures. We call the combined peer-to-peer architecture optimal diameter routing infrastructure.     

基于图分割的流应用多处理器映射算法

为了充分利用多处理器平台所提供的计算资源,需要将应用以适当的方式映射到不同处理器,从而最大程度地挖掘应用所提供的并发性以满足应用严格的实时性要求。提出了并发图来量化、建模应用任务间的并发性,提出了一种基于自同步调度的并发图构建算法,并将任务映射问题转换成图分割问题,然后将并发图分割问题建模为纯0-1整数线性规划模型并采用ILP求解器获得最优解。采用了大量随机生成的同步数据流图以及一组实际应用对所提方法进行性能评估,实验结果表明所提方法性能优于已有算法。     

基于改进自调整图谱方法的SAR图像分割

谱聚类是在给定数据集上用基于图论的方法进行分类,并已广泛地应用于SAR图像分割.自调整谱聚类（self-tuning spectral clustering,简称STSC）方法是一种可以自动确定尺度因子和分类数的方法.本文给出了一种改进的STSC方法,使用熵函数作为自动求分类数的代价函数,使得分类数的计算更加准确和有效,提高了方法的分类精度.实验表明,改进的STSC方法对自然图像、SAR图像的分割精度高于原STSC方法.     

一种基于神经网络的广义熵模糊聚类算法

以模糊聚类为基础,将广义熵引入到模糊聚类的目标函数中,提出一种基于模糊熵的模糊聚类的统一形式,即广义熵模糊聚类模型;利用增广拉格朗日求解方法,以及Hopfield神经网络和复突触神经网络解决了基于广义熵的目标函数的优化问题,提出了基于神经网络的广义熵模糊聚类算法,表明了使用神经网络求解的收敛性;同时,给出一种用于确定增广拉格朗日乘子的迭代方法.实验中选取人工生成数据集和UCI标准数据集对提出的算法进行了实验研究,并与常用的聚类算法进行了性能比较.     

一类树的SL谱刻画

图的谱理论是图论与组合矩阵论的一个重要研究领域。设图G是一个有n个顶点、m条边的简单图,Q（G）为图G的无符号拉普拉斯矩阵,树图是图论研究的一类重要的图,为了确定一类树的sL谱惟一性,利用图与同谱图之间的关系,运用删边缩边原理,探讨了两组顶点数目的树图。通过比较两组图中子树数目的大小逐项排除和删边删点的方法证明了一类树的SL谱惟一性。     

导数约束平滑条件下基于模糊函数特征的雷达辐射源信号识别方法

针对低信噪比条件下,雷达辐射源信号识别效果差的问题,提出了一种导数约束平滑条件下提取信号模糊函数特征的辐射源信号识别方法.建立了基于取整函数和坐标转换的模糊函数最大能量角提取的数学模型,降低处理复杂度;提出了不依赖于信号及噪声具体模型的基于导数约束平滑的最大能量切片波形信息提取算法,转化为二阶锥规划（Second-order Cone Programming,SOCP）问题求解,较大程度地降低了噪声对模糊函数波形特征的影响;依据有效性指标,确定了本文算法中目标函数正则化系数与对称Holder系数的范数因子取值,最后通过模糊c-means方法实现对辐射源信号特征向量的聚类识别.仿真结果表明,在低信噪比条件下本文方法具有更高的识别正确率.     

On the capacity of information networks

An outer bound on the rate region of noise-free information networks is given. This outer bound combines properties of entropy with a strong information inequality derived from the structure of the network. This blend of information theoretic and graph theoretic arguments generates many interesting results. For example, the capacity of directed cycles is characterized. Also, a gap between the sparsity of an undirected graph and its capacity is shown. Extending this result, it is shown that multicommodity flow solutions achieve the capacity in an infinite class of undirected graphs, thereby making progress on a conjecture of Li and Li. This result is in sharp contrast to the situation with directed graphs, where a family of graphs is presented in which the gap between the capacity and the rate achievable using multicommodity flows is linear in the size of the graph.     

地形图像制备中的分形和小波变换应用

为了制备高分辨率的地形图，建立了地形的分形模型，然后进行插值处理。经多次插值后，平滑效应显著，地形的纹理特征逐渐丧失。文中提出一种小波变换分层处理的方法，有效地克服了单纯分形插值的平滑效应，在保持地形纹理特征的基础上，制得高分辨率的地形图。