基于组合加权的灰色聚类方法研究

利用方差最大化原理,结合灰色理论提出了一种基于指标白化权函数值的方差最大化的灰色聚类指标客观权重确定方法,反映了指标信息的重要性由聚类指标的差异程度体现.综合主观权重确定的最小平方法,建立了基于线性组合赋权模型,并通过实例对模型进行求解,验证了该模型的客观性与有效性.     

基于多层加权聚类的网络攻击检测方法研究

提出了一种基于多层加权聚类的网络攻击检测方法,通过计算多层聚类加权的均值,设定每个攻击事件的加权平均值,对异构多层攻击进行有效整合,解决了多层攻击事件检测结果不一致带来的检测不准的问题。实验证明,这种方法能够有效整合多层攻击事件,保证了网络的安全,取得了满意的结果。     

基于特征加权的模糊聚类算法研究

模糊聚类分析是非监督模式分类的一个分支,在模式识别中有着重要的地位。在FCM算法中,考虑到样本矢量中各维特征对模式分类的不同影响,本文引入一种基于特征加权的模糊聚类算法,该算法考虑了各维特征对分类的贡献不同,从而对数据进行了更有效的分类。     

基于特征加权理论的数据聚类算法

针对数据挖掘过程中数据聚类操作的初始聚类数目和初始聚类中心确定困难的问题,提出了一种软子空间结合竞争合并机制的模糊加权聚类算法.通过对软子空间聚类算法的目标函数进行改写,并结合数据簇势的大小对各数据簇进行竞争与合并操作,实现了对数据的聚类处理.结果表明,该算法能够准确地对数据样本进行聚类,并且聚类结果与初始数据簇数目和初始聚类中心无关,能够满足对高维数据聚类处理的需要,具有较好的实际应用价值.     

一种加权欧氏距离聚类方法

聚类是数据挖掘的一种常用技术，最常用的距离度量方法是欧几里得距离，但运用加权欧氏距离需要对数据的实际意义有一定了解，并且要求分析者具有相关的专业知识，而在实际操作中这一点很难保证。本文提出了一种在对数据没有任何先验信息的情况下，如何运用加权欧氏距离有效进行聚类的方法。并结合实例，说明在一定条件下，这种加权欧氏距离聚类方法能显著提高聚类质量。     

基于加权多核子空间聚类的图像分割方法

为了解决单核子空间聚类算法在图像分割任务中无法较好地处理数据非线性结构和噪声等问题,提出了一种基于非凸低秩子空间聚类的图像分割方法。首先,采用自适应形态学重构种子分割方法对梯度图像进行逐点最大值运算,将图像预分割为不同区域大小的超像素图像,弥补了超像素分割算法过度分割的缺陷;其次,对超像素块进行颜色特征提取,并堆叠成数据矩阵输入到多核子空间聚类算法中;再根据子空间表示求解系数矩阵,进而构造出亲和矩阵;最后,输入谱聚类中得到最终的分割结果。在公共数据集上的对比实验结果表明,所提方法取得了最佳的聚类性能和分割效果。     

图像特征聚类优先级判定方法

由于图像多种特征的表述能力不同,所以它们在不同图像集上的聚类效果也不同.为确定在特定图像集上图像特征的聚类优先级,分析了3种全局特征颜色、纹理和形状的区分力,通过图像距离曲线说明了其区分力的不同,并通过检索结果验证了不同的区分力可导致检索结果的不同,进一步提出了由类紧致性和类分离性组成的判别指标——简化全局聚类质量.实验证明,区分性强的特征判别指标最好,该指标可用于确定图像聚类的优先级,从而决定聚类时选取图像特征的种类和图像特征选用的顺序.     

自适应属性加权近邻传播聚类算法

针对多维数据属性对聚类分析结果有不同重要程度影响的问题,提出一种基于自适应属性加权的近邻传播聚类算法。该方法通过考虑多维数据属性权值的重要度,在近邻传播聚类过程中引入属性加权相似性矩阵计算,并根据当前数据聚类划分的结果来分析目标评价函数,计算各个属性对当前聚类的贡献程度。随后根据贡献程度的计算结果自适应地更新属性权值,并通过属性加权相似性矩阵来重新计算近邻传播算法中的两种竞争信息,进而提高聚类结果的质量。数值实验结果表明,新方法能够有效实现属性权值的自适应调整,提高近邻传播算法的聚类效果,与其他传统聚类算法相比新方法具有更好的聚类质量。     

加权特征自动图像标注方法

提出了一种基于加权特征的图像自动标注方法．该方法首先采用加权特征聚类算法对图像区域进行语义聚类,这种聚类算法根据图像特征的统计分布来计算特征与类别的相关度,增加相关度高的特征的权重,避免聚类算法被弱相关或不相关的特征所支配;然后,根据训练集中样本图像的标注情况建立图像区域与语义关键字的关联;最后,在未标注图像区域给定时,计算每个语义关键字的条件概率,将条件概率最大的语义概念作为图像的标注． 在Corel图像库的数据集上验证了新方法的有效性．     

基于特征优选和加权聚类的商场用电模式分析

随着用电信息的采集完善,准确的用户用电模式分析将为电力智能化建设提供重要依据,在此背景下,针对用电模式分析中考虑聚类特征类型单一的问题,提出一种考虑多类型特征优选的加权聚类分析方法.首先,将负荷类特征和气象类特征归一化建立待选择特征集合;然后,结合互信息和灰色关联度优选出聚类特征集;最后,采用权重分配的k-means方法对优选特征集合进行聚类,结合负荷曲线分析各用电模式的典型用电行为.通过对上海市某商场用电负荷数据的分析,证明该方法能够减少数据冗余信息的干扰并提升聚类质量.     

基于多片DSP的并行数字图象处理系统

本文主要探讨专用数字信号(图象)处理器用于实时图象处理的并行多处理器体系结构。介绍了一种由三片TMS32020和PC/XT、A/D接口板组成的并行图象处理系统。主要解决了多片TMS32020(C25)构成并行图象处理系统所遇到的一些问题。该系统为SIMD结构,适合于大多数低级图象处理算法,同时具有很强的模块性、灵活性和可编程性。最后给出了一些实际应用的结果。     

加权变分去噪模型的分裂Bregman算法

针对求解加权变分去噪模型时大量迭代导致计算速度缓慢的问题,为提高运算速度,在加权变分去噪模型中引入分裂Bregman算法.实验表明,与梯度下降法相比,该算法迭代次数少、处理过程快,极大地缩短了运算时间,并且保持了较好的去噪效果.     

数字图像处理在塞曼效应中的应用

塞曼效应是原子的能级在外磁场中出现分裂的现象,应用数字图像处理技术,对塞曼效应分裂谱线图像进行处理,将图像中具有一定宽度的干涉圆环条纹细化为单像素宽度的二值化图像,采用Hough变换方法实现了条纹直径的自动提取并求得荷质比。与理论值相比,荷质比的百分误差为0．26％。     

数字图像处理相关技术的信息量变化问题探讨

从信息理论的几个观点出发,尝试由信息论的角度探讨、解释数字图像处理中的若干相关技术,并简要地讨论了数字图像处理中的信息量变化问题.     

基于嵌入式Linux系统的数字图像处理技术研究

以数字图像处理的终端设备作为应用背景,基于S3C2440处理器系统将数字图像处理技术和嵌入式技术相结合.首先完成嵌入式Linux系统的搭建,然后根据图像实时处理的要求,选用USB接口摄像头作为图像采集设备,并对其完成视频驱动的编写工作,可以获取图像并进行存储.在嵌入式Linux系统之上,设计基于Qt设计数字图像处理平台的GUI界面,并可对采集的图像实现多种数字图像处理方法,涉及变换域与空域法处理,包括图像的正交变换、平滑、锐化、边缘检测、浮雕算法等.     

Efficient gray-level digital image watermarking based on vector quantization

0　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｅｘｐｌｏｓｉｖｅｇｒｏｗｔｈｏｆｄｉｇｉｔａｌｍｕｌｔｉｍｅｄｉａａｐｐｌｉｃａ ｔｉｏｎｓｃｏｕｐｌｅｄｗｉｔｈｔｈｅｒａｐｉｄｇｒｏｗｔｈｏｆｄｉｇｉｔａｌｎｅｔｗｏｒｋｃｏｍ ｍｕｎｉｃａｔｉｏｎｓｈａｓｃｒｅａｔｅｄａｎｕｒｇｅｎｔｄｅｍａｎｄｆｏｒｔｅｃｈｎｉｑｕｅｓｔｈａｔｃａｎｂｅｕｓｅｄｆｏｒｃｏｐｙｒｉｇｈｔｐｒｏｔｅｃｔｉｏｎ .Ｍａｎｙｔｒａｄｉｔｉｏｎａｌａｐｐｒｏａｃｈｅｓｓｕｃｈａｓｅｎｃｒｙｐｔｉｏｎ ,ａｕｔｈｅｎｔｉｃａｔｉｏｎ ,ｄ…     

利用数字图像处理技术检测锥螺纹

介绍了基于数字图像处理技术的锥螺纹非接触检测系统,数字图像处理技术主要包括图像的二值化、边缘检测、轮廓提取及螺纹几何参数的计算等。探讨了利用数字图像处理技术进行锥螺纹几何参数测量的方法,并给出了锥螺纹部分的尺寸测量结果。从理论和实践上证明了该方法的可行性和正确性。     

基于图像处理的冷轧薄板板形识别

为了解决冷轧薄板板形识别问题，采用基于图像处理的方法，对图像进行直方图均衡化，使处理后的图像对比度、图像边界的清晰度有了很大的提高，并在此基础上再进行形态学增强，改善图像效果.对于处理后的图像利用canny算子提取其边缘，利用图像的均值、方差和对比度的统计特征作为BP神经网络分类器的输入进行缺陷特征分类.根据上述方法进行了板形识别系统的硬件、软件设计，实际应用表明，该方法可以有效地识别出常见的板形缺陷.     

数字粒子图像测速技术中目标分割算法的实现

数字粒子图像测速(DPIV digital particle image velocimetry)关键技术在于提取流场中粒子的运动信息，涉及连续两幅图像中粒子群的对应(互相关性)等图像处理问题．本研究提出改进的互相关算法，将数字成像系统的连续两幅图像中的目标搜寻区域进行自动分割，将其划分为互不交叠，各自具有一致属性的区域图，然后依次将第一幅的判读小区在第二幅的大搜索小区中移动，搜索与第一幅判读小区最匹配的粒子图像，此方法完全适用粒子速度在1．2～3．5m/s范围的粒子流速度测量，运算速度和精度均满足实际需要．     

基于改进的二维Otsu法及PSO的火灾图像分割

针对传统的二维灰度直方图区域划分误差大和运算速度慢等问题,提出一种基于二维直方图和粒子群优化的阈值分割算法,即改进的二维最大类间方差法的粒子群优化算法.利用该算法在二维灰度空间上自适应搜索最优阈值,根据最优阈值对图像进行分割.选取森林火灾火焰图像,对其进行图像分割仿真实验.实验结果表明,该算法的分割效果较好,具有很好的抗噪性能,可有效提高运算速度,且实时性较好.