基于条件随机场的低图像质量车牌字符分割

提出一种基于条件随机场的车牌字符分割算法,能够对光照不均、相机拍摄角度造成的低图像质量的车牌图像,特别是日益增多的车牌边框与字符相连接车牌图像进行有效的字符分割。算法首先进行车牌图像校正,然后利用标注车牌数据进行模型学习,对车牌图像像素列进行分类识别,最后组合成车牌字符分割结果。理论分析与实验结果验证了算法的有效性。     

印刷哈萨克斯拉夫粘连字符的切分方法

哈萨克斯拉夫图像文本经过行切分和列切分后,存在水平方向接触和垂直方向重叠的粘连字符。为提高字符识别率,依据字符连通域的最小外接矩形切分开垂直方向重叠的粘连字符图像块;利用判决条件:字符宽度概率密度分布图、字符图像块垂直投影的波峰数目和字符图像块垂直投影波峰的对称性,分离初始粘连字符图像块中正确的单个字符图像块和实际接触的粘连字符图像块;在允许的字符宽度范围内,寻找粘连字符图像垂直投影图的极小值点,以切分实际接触的粘连字符。实验结果表明,该方法泛化能力较好且识别率有明显提高。     

改进的GrabCut方法在舌诊系统中的应用

数字舌象图片的正确分割是实现计算机中医舌诊自动化系统的重要前提,为了高效而准确地分割出舌象,提出了一种基于四叉树与GrabCut的舌象分割方法.该方法首先利用四叉树分解对采集的舌象初分割,然后用相似区域的颜色均值优化GrabCut算法中高斯混合模型参数,最终完成舌象分割.实验结果表明：该算法使得舌象分割效率大大提高,具有很好的实用性.     

一种关于模糊时间序列模型论域划分的多尺度比率算法

针对模糊时间序列研究中比率划分论域方法存在对非均匀数据划分效果不理想的缺陷, 提出一种基于模糊C 均值聚类(FCM) 算法的多尺度比率划分论域的方法. 首先利用FCM算法对样本数据进行分类; 然后计算各类数据的平均相对误差, 并基于各类的平均误差划分论域, 产生非等间隔的多尺度论域划分方法; 最后, 通过算例表明了多尺度比率论域划分方法的有效性.     

用于光刻系统仿真的多边形处理算法

为提高光刻仿真效率,通过对光刻原理进行研究,提出了2种多边形处理算法,将掩模上的多边形图案进行切分优化,将其划分成若干矩形或三角形。在Linux环境下应用C语言设计出一个完整的光刻仿真系统,设计的具体光学参数为:光源波长为193nm,数值孔径为0.3~0.8,部分相干系数可调范围为0.2~0.8,可一次性仿真1μm×1μm到10μm×10μm范围内的45 nm~0.18μm工艺的复杂版图,并通过多次实验进行验证。实验结果表明:原版图图像的边缘细节得到保留,且该算法有效地减少了光刻模拟的计算复杂度与计算时间,整体效率提升20%以上,为当前智能传感器系统芯片的制造节省了宝贵时间。     

树突细胞算法在线分析组件的研究

原始树突状细胞算法（DCA）的离线分析过程,将会导致时间差异,从而产生假警报,增加了虚警率,也会导致攻击的成功发生,这对一个人侵检测系统来说是致命的。因此,文中的目的就是在不影响检测精度的前提下提高检测速度。于是文中提出了分片思想的在线分析组件与DCA相集成的方法,即根据抗原采样数量或者时间将一系列已处理的信息分割成为更小的部分,使得每个分片独立地进行实时的、周期性的分析,这样在每个分片内的入侵攻击就能及时地被识别出来。文中给出了DCA在线分析模块的伪代码描述,并且将其应用于SYN端口扫描的检测实验中。结果表明,DCA在线分析模块在不影响检测精度的前提下有效地提高了检测速度。     

Efficient multilevel image segmentation through fuzzy entropy maximization and graph cut optimization

The fuzzy c-partition entropy has been widely adopted as a global optimization technique for finding the optimized thresholds for multilevel image segmentation. However, it involves expensive computation as the number of thresholds increases and often yields noisy segmentation results since spatial coherence is not enforced. In this paper, an iterative calculation scheme is presented for reducing redundant computations in entropy evaluation. The efficiency of threshold selection is further improved through utilizing the artificial bee colony algorithm as the optimization technique. Finally, instead of performing thresholding for each pixel independently, the presented algorithm oversegments the input image into small regions and uses the probabilities of fuzzy events to define the costs of different label assignments for each region. The final segmentation results is computed using graph cut, which produces smooth segmentation results. The experimental results demonstrate the presented iterative calculation scheme can greatly reduce the running time and keep it stable as the number of required thresholds increases. Quantitative evaluations over 20 classic images also show that the presented algorithm outperforms existing multilevel segmentation approaches.     

A comparative study of two wayfinding aids for simulated driving tasks – single-scale and dual-scale GPS aids

Global Positioning System (GPS) is currently the most frequently used wayfinding aid for driving. Yet, GPS is designed to act as a driving guide rather than to help users gain spatial knowledge. Accordingly, GPS might be less usable in situations where such knowledge is required or highly desirable. In this study, we experimentally study the influence of GPS display scales (single-scale vs. dual-scale) using simulated driving tasks in a virtual environment. The single-scale GPS is similar to the regular GPS view. The dual-scale GPS aid is a dual-scale navigation tool that provides two levels of detail, including both detailed and contextual information. The results demonstrate that the dual-scale GPS was more efficient in leading the participants to the destination during the simulated driving and was more useful for the participants to establish spatial awareness and a cognitive map; the dual-scale GPS participants also reported higher subjective evaluations. The proposed dual-scale GPS design and experimental results show some indications for designing new wayfinding aids aimed at increasing wayfinding performance while simultaneously helping users construct a cognitive map.     

基于密度调整的改进自适应谱聚类算法

针对谱聚类存在构造相似度矩阵时对尺度参数敏感以及处理多重尺度数据集效果不理想的缺陷, 提出一种基于密度调整的改进自适应谱聚类算法. 该算法将样本点所处领域的密度引入谱聚类, 利用密度差来调整样本点之间的相似度, 使其更符合实际簇类中样本点间的内在关系, 在一定程度上解决了多尺度聚类问题; 同时, 通过样本点的近邻距离自适应得到尺度参数, 使算法对尺度参数相对不敏感. 仿真实验验证了所提出算法的有效性和优越性.

     

基于自然语言处理的算法知识名称发现

网络中的很多程序资源在知识概念上有内在的联系,却没有超链接将它们连接在一起。将网络程序资源中的算法知识名称获取出来,组织成一个算法知识专家库文件,用于识别程序设计资源所含的知识点,即可将程序设计资源按知识点相互联系。为了自动获取程序资源中的算法知识名称,提出一种基于自然语言处理的算法知识名称发现方法。通过发现含有算法知识名称语句的字符串模式,从程序资源中提取可能含算法知识名称的字符串,从中找出最有可能出现在算法知识名称中的分词,并根据这些分词获取算法知识名称。实验结果表明,与原有人工整理出的算法知识名称集合相比,该方法新增了11.2%的算法知识点和13.6%的算法知识名称。