基于多模态特征的医学图像聚类方法

现有的图像特征表达大多使用低层语义特征(如颜色、纹理等)细粒度地比较图像的相似度,然而医生就诊更多依据图像在局部区域高层语义特征(如是否病变、病变类型等)的差异粗粒度地判断图像的相似程度。针对现有的医学图像特征表达忽略了医学图像特有的高层语义特征,致使医学图像聚类效果不佳的问题,提出了一种融合医学图像纹理特征和特有形态学特征的多模态特征医学图像聚类方法。首先一方面提出使用纹理特征融合方法表示医学图像全局底层语义特征;另一方面提出使用图像分割的感兴趣区域(region of interest,ROI)的形态学描述作为形态学特征表示医学图像的局部高层语义信息。其次结合提出的相似性度量方法分别计算脑CT图像两类特征间的相似度。最后利用多核学习方法学习特征融合权重,并在多核谱聚类实验上验证了该方法的有效性。     

基于半监督距离学习和多模态信息的图像聚类

通过融合图像中不同模态的信息并利用少量带标记的图像进行半监督距离学习,来对图像进行聚类。首先,提取彩色图像中RGB颜色空间的直方图信息、纹理信息,并采用SIFT算法提取Bag of Words来重新表达图像,从而基于图像的颜色特征、纹理特征以及语义特征,建立图像的多模态表达机制,将原始图像投射到表达空间;然后,利用少量标记的图像,通过半监督距离学习,获得图像在多模态信息空间的相似性度量;最后,通过半监督聚类方法,实现图像分组,在多个图像数据库中验证提出的方法的有效性。     

基于多模态融合的人脸反欺骗算法研究

人脸反欺骗技术可以准确判断捕获的人脸图像是真实人脸还是虚假人脸,是人脸识别系统安全的重要保障.传统的人脸反欺骗方法主要是利用手工设计的特征,如LBP、HoG、SIFT、SURF和DoG来刻画真实人脸和虚假人脸之间的不同特征分布,但人工设计的特征难以适应无约束环境下(如光照、背景的变化)的人脸反欺骗问题.鉴于此,该文提出...     

聚类评价在聚类算法选择中的应用研究

聚类分析是一种无监督的机器学习方法,聚类结果完全取决于所用聚类算法,不同的算法会得到不同的聚类结果,因此面对待挖掘数据选择合适的算法很重要。如何判断哪个聚类算法最合适,或者哪个算法的聚类结果最优,就需要用到聚类评价方法。本文选择各类聚类算法中的经典算法对某汽车4S店顾客消费数据进行聚类分析,最后用两种评价指标对各聚类结果进行评价进而选择出最优的聚类算法。     

基于网格的数据流聚类算法

本文提出的基于网格的数据流聚类算法,克服了算法CluStream对非球形的聚类效果不好等缺陷,不仅能在噪声干扰下发现任意形状的类,而且有效地解决了聚类算法参数敏感和聚类结果无法区分密度差异等问题。     

基于减法聚类的合并最优路径层次聚类算法

针对传统层次聚类算法在处理大规模数据时效率低下的问题,提出一种快速层次聚类算法。根据数据点密度值的大小依次确定初始聚类中心,使用最小生成树算法对初始聚类中心间的相似度距离进行存储,寻找最优合并路径,从而减少更新距离矩阵的计算量和空间复杂度,并优化减法聚类中的收敛函数。在UCI数据集上的实验结果表明,该算法比传统聚类算法执行速度更快、效率更高,且随着数据量的增多,在时间消耗方面的优势更明显。     

基于灰度分布匹配的多模态脑部MR图像肿瘤分割算法

针对多模态核磁共振(MR)脑肿瘤图像的分割问题,提出一种基于灰度分布匹配的分割算法。首先,学习图像灰度强度的非参数模型分布,来描述当前图像的正常区域。然后,计算肿瘤图像中各区域之间的全局相似性,从中寻找灰度分布与学习模型最匹配的子区域,同时利用平滑操作来避免存在孤立区域。最后,对FLAIR模态图像进行处理,以分离出脑水肿区域,最终获取脑肿瘤区域的准确边界。在多模态脑肿瘤图像数据库BraTS 2012上进行实验,结果表明该算法能够准确且完整的分割出肿瘤区域。     

基于相对密度的聚类算法

基于密度的聚类算法因其抗噪声能力强和能发现任意形状的簇等优点,在聚类分析中被广泛采用,本文提出的基于相对密度的聚类算法,在继承上述优点的基础上。有效地解决了基于密度的聚类结果对参数值过于敏感、参数值难以设置以及高密度簇完全被相连的低密度簇所包含等问题。     

基于层次聚类和划分聚类算法的BTS聚类算法研究

BTS(Best Two Step)聚类算法是结合层次聚类和划分聚类算法的两步聚类算法。层次聚类算法类与类之间不可以对象交换,很容易造成聚类质量不高的结果。而划分聚类对于初始值的设定以及异常噪声数据都很敏感,所以我们研究提出了BTS算法,实验证明BTS算法可达到高质量的聚类效果。     

浅谈Dijkstra算法在城市交通最优路径中的应用

应用Dijkstra算法解决城市中出行交通道路选择的问题,对最优时间和最优费用分别进行讨论,并且综合时间和费用提供多条路径供人们选择。用C 实现算法。     

浅谈Dijkstra算法在城市交通最优路径中的应用

应用Dijkstra算法解决城市中出行交通道路选择的问题，对最优时间和最优费用分别进行讨论．并且综合时间和费用提供多条路径供人们选择。用C＋＋实现算法。     

实例簇驱动的图结构聚类参数计算算法

pSCAN算法的聚类结果受密度约束参数和相似度阈值参数的影响,如果用户提供的聚类参数得到的聚类结果无法满足需求,那么用户可以通过实例簇表达自己的聚类需求。针对实例簇表达聚类查询需求的问题,提出一种实例簇驱动的图结构聚类参数计算算法PART及其改进算法ImPART。首先,分析两个聚类参数对聚类结果的影响,并提取实例簇的相关子图;其次,对相关子图进行分析得到密度约束参数的可行区间,并根据当前密度约束参数和节点之间的结构相似度将实例簇内节点划分为核心节点和非核心节点;最后,依据节点划分结果计算出当前密度约束参数对应的最优相似度阈值参数,并在相关子图上对得到的参数进行验证和优化,直到得到满足实例簇需求的聚类参数。在真实数据集上的实验结果表明,所提算法能够为用户实例簇返回一组有效参数,且所提改进算法ImPART的运行时间比PART缩短了20%以上,能够快速有效地为用户返回满足实例簇要求的最优聚类参数。     

电子沙盘应用的多通道交互系统设计与实现

多通道交互技术是人机交互研究领域的一个重要方面。将多通道交互技术应用于电子沙盘中,为指挥人员提供自然、高效的交互方式,必将大大提高指挥人员的指挥效率。文中采用模块化的思想描述以电子沙盘为平台的多通道交互系统架构,重点阐述了任务分析验证和多通道整合方法。其中任务分析与验证主要实现基于原子操作的交互任务模板构建和操作安全验证;多通道整合则基于任务模板最优匹配方法实现桌面协作机制。并基于上述设计实现了一个态势研讨原型系统。     

An Acoustic-Phonetic and a Model-Theoretic Analysis of Subspace Distribution Clustering Hidden Markov Models

Recently, we proposed a new derivative to conventional continuous density hidden Markov modeling (CDHMM) that we call subspace distribution clustering hidden Markov modeling (SDCHMM). SDCHMMs can be created by tying low-dimensional subspace Gaussians in CDHMMs. In tasks we tried, usually only 32–256 subspace Gaussian prototypes were needed in SDCHMM-based system to maintain recognition performance of its original CDHMM-based system—a reduction of Gaussian parameters by one to three orders of magnitude. Consequently, both recognition time and memory were greatly reduced. We also have showed that if the underlying subspace distribution tying structure is known, it may be used to train an SDCHMM-based system with as little as eight minutes of speech from scratch. All the results suggest that there is substantial redundancy in conventional CDHMM and that SDCHMM is a more compact model. In this paper, we analyze the tying structure from two perspectives: from the acoustic-phonetic perspective showing that the tying structure seems to capture prominent relationship among phones; and, from the model-theoretic perspective showing that SDCHMMs, if properly created from CDHMMs, may be preferred over the latter as they are less complex and have the potential of greater generalization power.     

多电机驱动系统的保性能鲁棒Funnel控制

本文针对含参数不确定性的多电机驱动系统,提出一种基于最优保性能鲁棒的Funnel控制方法实现系统的规定跟踪性能.该控制方法通过构造Funnel函数对误差系统进行变换,并设计自适应反步控制器保证变换后系统的稳定性即可使跟踪误差的瞬态和稳态响应均被限制在给定的Funnel边界内.然而由于系统中存在的参数不确定性会影响系统的规定控制性能,本文在Funnel控制基础上又设计了最优保性能鲁棒控制器.它是通过将参数不确定性系统的保性能鲁棒控制问题转化为标称系统的最优控制问题,并求解新的黎卡提方程而得到的.因此所设计的控制器不但消除了参数不确定性对系统的影响并且能够使系统的性能指标达到一确定的上界.最后,对四电机驱动系统进行了仿真和实验验证,说明所提出控制方法的有效性.     

从车牌识别数据中提取有效旅行时间算法研究

从车牌识别数据中可以得到车辆在特定道路与特定时间段的旅行时间数据样本,但样本中往往混有不反映通常交通状况的噪音数据,去除这些噪音数据后可得到能够反映通常交通状况的有价值的有效数据.为此提出算法采用对数正态分布混合模型对数据样本进行拟合,并利用噪音数据具有右向尾部的分布特点给出确定最优子分布数量的两个判据,使两类数据具有...     

基于相对密度的多分辨率聚类算法

提出基于相对密度的多分辨率聚类算法,结合了密度聚类和模糊聚类的优点,能形成任意形状、多级分辨率的聚类结果,具有抗噪声能力和处理大数据集的能力,并有效地解决参数值难以设置,以及高密度簇完全被相连的低密度簇所包含等问题.     

分布式环境中聚类问题算法研究综述

传统的集中式聚类是对集中存放在单个站点的数据集进行聚类,但不能解决数据分布存储环境下的聚类问题,而分布式聚类算法是从分布存储的数据集中提取分类模式,因此能满足此需求。针对分布式聚类算法进行综述和分析。首先对现有的分布式聚类算法进行了分类,然后对每类算法的基本思想和优缺点进行了比较,最后采用Iris和Wine两个数据集对几种分布式聚类算法从聚类精度和聚类时间两方面进行了比较。