装备操作考核自动评分算法设计

客观评价学员的实际操作水平，在分析装备操作的特点之后，结合序列匹配方法、模糊逻辑思想及最短编辑距离算法，设计装备操作考核自动评分算法，实现对学员操作过程的自动评分。应用表明，该算法符合装备操作考核的要求，能够反映出学员的实际操作水平。     

基于增量序列的调色板索引匹配算法

生成带调色板的图像文件时,需要解决调色板索引匹配的问题。针对该问题,本文提出了一种增量序列的产生方法,并基于这种序列,给出了一种调色板索引匹配算法。     

基于自动匹配时间算法的时序数据在甘特图中的应用

甘特图在项目管理涉及到显示任务工期、进度、流程等方面时能够做到简洁直观.然而在同一页面上实时输入数据实时显示甘特图时会遇到显示图形时间段不确定的问题.本文讨论提出一种自动匹配时间算法,通过保存的时间序列数据实时显示在甘特图上,保证所需的数据能够准确的在页面上显示,不会出现图形偏差和时间轴不确定的问题,在多个任务同时显示上有其优势性.     

基于建立序列图像间映射关系的匹配算法

提出一种基于图像间映射关系的匹配算法，该算法利用目标的运动函数映射前后两幅图像的特征点，映射误差函数最小的对应即为正确的匹配。引进特征点接关系的约束，从而大大减少了候选匹配点的构造空间。实验结果表明，该算法具有良好的鲁棒性和实时性     

DNA序列匹配算法研究与优化

DNA比对是生物信息学中最基本的问题,在生物信息学中发挥了至关重要的作用。利用计算机研究DNA比对是一个热点问题。笔者讨论的实现最佳DNA序列匹配的基本方法有两种,分别是利用分置算法和动态规划算法进行DNA序列对齐匹配。利用这两种算法,可以得到最优匹配代价。改进后的动态规划算法具有更好的性能,可以得到最优的DNA匹配序列。     

基于AMT算法的时间序列数据在甘特图中的应用

甘特图在项目管理中涉及到显示任务工期、进度、流程等方面时能够做到简洁直观。然而在同一页面上实时输入数据,实时显示图形时会遇到图形时间段不确定的问题,使得甘特图在页面上显示出现误差。本文讨论提出一种自动匹配时间算法（AMT算法）,通过将时间序列数据存储并实时的显示,保证了所需的数据能够准确的在页面上显示,不会出现图形偏差和时间轴不确定的问题。在特殊图形演示时间的不确定性上提出了一种解决方法,在多个任务同时显示上有其优势性。     

基于序列图像匹配算法的匹配概率估计

建立了匹配仿真试验的贝努里(Bernoulli)统计模型,根据数字特征法,估计了基于序列图像匹配算法的匹配概率计算公式,证明了该模型的无偏性,并进行了精度分析。并给出了成功匹配的概率分布模型,定义了序列图像匹配算法的匹配概率,通过实例分析了序列图像匹配算法的匹配概率、图像序列数、单幅匹配概率之间的定量关系,为实际图像匹配系统算法、序列数目的选择提供了重要的理论决策依据。     

基于词汇评分的汉语作文自动评分

该文研究了通过作文词汇评分来实现汉语作文自动评分的新算法。在作文评分应与词汇评分高度相关的假设基础上,实现了这种关系的量化计算。该文从通用词表方法、常规方法以及提出的三种改进算法上进行方法性能的比较,并对比了E-rater作文评分系统中同样采用基于词汇方法的性能。实验结果表明,基于新的词汇评分的作文评分方法相关度^①接近0.7的水平,高于E-rater中采用的基于词汇的方法的相关度。同时,这一方法的结果已经接近于人工作文评分的相关度。     

填空题命题规则与评分算法

填空题答案既有客观性,也有主观性。为了快速合理、准确有效地自动评分,研究了相关文献,讨论了填空题具有一题多空、答案多值及相邻答案可以互换位置等特点。提出空格同分值和答案无标点、无复合的试题编制规则,使用核心词汇和竖线联结的答案描述规则,以及采取混合匹配和两种结果的评分策略。设计并实现了填空题自动评分算法。经实际应用验证,能够满足通用考试的现实需求。     

数字趋势序列及其全序列匹配算法研究

针对基于点距离的时序数据分析和传统趋势序列分析的缺点,提出了数字趋势序列、序列的Lp距离、序列分段向量等概念,证明了包括“序列分段均值定理”在内的3个重要定理,设计了专门用于数字趋势序列的“基于序列分段向量（SSV）的全序列匹配算法”。算法使用片段斜率所对应的弧度值来度量片段的趋势,同时用趋势的保持时间来对趋势值进行加权,实现了数字趋势序列之间快速的全序列相似性搜索。     

基于相似度模型的自动阅卷算法

自动阅卷算法一直以来都是各个在线考试系统的重点和难点.这里设计的自动阅卷算法通过解析学生答案中关键字,并计算这些关键字的排布与答案关键字的排布的相似度,给出一个相对合理的分值.经过反复测试调优,该算法提供的分值已经具有相当好的可参考性.     

基于双序列比对算法的立体图像匹配方法*

在分析现有立体匹配方法的基础上,提出一种基于双序列比对算法的立体图像匹配方法。将立体图像对中同名极线上的像素灰度值看做是一对字符序列,使用基于动态规划思想的双序列比对算法对这些对字符序列进行匹配,以获取立体图像视差。为验证该方法的可行性和适用性,采用人脸立体图像对进行实验。实验结果表明,使用该方法进行立体图像匹配能获得光滑的、稠密的视差图。基于动态规划思想的双序列比对算法能够有效地解决立体图像匹配问题,从而为图像的立体匹配提供了一个实用有效的方法。     

基于藏语句多特征融合的主观题自动评分算法

提出了一种藏语句多特征融合的主观题自动评分算法,构建了关键词词形相似度计算模型、词序相似度计算模型、句子长度相似度计算模型和句子语义相似度计算模型。该算法将计算模型与最大相似度矩阵相结合,计算主观题的标准答案与学生答案之间句子、段落的相似度,最终做出自动评分。实验结果表明,与其他方法比较,该算法能有效降低平均误差值。     

基于角度集序列的地震相关地区匹配算法

为了利用数据挖掘技术寻找地震相关地区,针对现有算法中存在的问题,提出了一种基于角度集序列的地震相关地区匹配算法。对地震序列在需关联维度的平面上进行投影,根据特征点进行分段线性化处理,将用分段线性化表示的序列转化成角度集描述的序列,利用定义的相似度度量模型对处理好的序列进行计算,以得到相似度值为依据在数据库中寻找最大相似的序列段。两组对比实验的结果表明了该算法的正确性、有效性和实际应用价值。     

Process diagnosis based on qualitative trend similarities using a sequence matching algorithm

This paper focuses on process diagnosis based on symptoms described by qualitative trends extracted from signals. Main contributions are a new similarity algorithm between qualitative sequences and a generalised approach for on-line diagnosis based on that similarity measure. Process situations are identified by converting sensor time series into qualitative sequences and comparing them with those corresponding to known faulty states. Performance of this approach has been evaluated on line in a steam generator plant.     

序列图像特征提取与匹配算法的改进

在计算机视觉领域中特征点匹配是一个重要课题。针对ORB（ORiented Brief,方向描述符）算法缺少尺度不变性的特点,将SURF（Speeded-Up?Robust?Features,快速鲁棒特征）算法与ORB相结合,提出了基于算法组合的改进算法SUORB（Speeded-Up?ORiented Brief,快速方向描述符）。组合算法的基本思路是利用SURF算法建立多尺度空间,然后通过ORB算法为检测出的特征点建立描述符,最后根据生成的二进制描述符实现特征点匹配。实验结果表明,SUORB算法基本弥补了ORB算法的不足,若图像尺度发生变化,SUORB匹配算法比ORB匹配算法的准确度明显提高;同时SUORB算法保留了ORB算法的快速性。     

基于图匹配的旋转不变弹性点匹配算法

针对旋转不变的弹性点匹配问题,提出一种基于图匹配的算法。对两点集分别构造边集合,然后定向的形状上下文距离和边长度的差别被用于度量两点集的边之间的相似性。基于边的相似性,点对应关系通过求解一个图匹配问题而恢复。实验结果表明该算法可以获得很好的配准结果并且鲁棒、高效。     

基于CUDA的图像匹配算法

为解决目前已有的图像匹配算法不适用于对实时性要求很强的应用,提出了PLS（Partial Least Squares）与余弦定理相结合的并行化图像匹配算法。该算法在CUDA架构下,对图像矩阵分块,分块后每个小块图像存入共享存储器处理并提取每个小块图像特征,通过合并后图像特征采用余弦定理计算图像的相似度,从而找出匹配图像。实验表明,CUDA架构下可以实现图像的并行匹配,与CPU上串行匹配相比,时效性提高了百倍以上。     

基于Sunday算法的改良单模式匹配算法

Unicode编码的中文环境下应用Sunday算法时,如直接使用中文字符生成失效跳转表,将造成空间膨胀,而将中文字符拆分为两个字节进行处理,虽可以降低空间消耗,但匹配的执行速度又会受影响。针对Sunday算法应用于Unicode编码的字符拆分环境时所产生的时间性能降低问题,结合Unicode中文单元的内部关联性,优化了原Sunday算法的辅助跳转表与匹配规则,从而在解决Unicode下算法空间膨胀问题的同时,提升了Sunday算法在此环境下的时间性能,并利用模拟实验对改良算法的时间与空间性能进行了实验证明。     

基于多粒度匹配的行人搜索算法

行人搜索旨在从一系列未经裁剪的图像中对行人进行定位与识别,融合了行人检测和行人重识别两个子任务。现有的方法设计了基于Faster R-CNN的端到端框架来解决此任务,但是行人检测和重识别两个子任务之间存在特征优化目标粒度不一致问题。为了解决这一问题,提出一种双全局池化结构,使用全局平均池化提取检测分支的共性特征,使用基于注意力机制的全局K最大池化提取re-ID分支的特性特征,为两个子任务提取符合各自粒度特性的特征。同时由于re-ID子任务的细粒度特性,还提出一种改善粒度匹配的画廊边界框加权算法,把查询人和画廊边界框的分辨率差异纳入相似度计算。实验证明融入多粒度的方法有效地提高了单阶段算法在CHUK-SYSU和PRW数据集上的性能。