基于商空间的构造性分层竞争网络算法

构造性学习方法根据学习样本构造神经网络,有效地解决了神经网络结构难以确定和学习速度慢的问题。文中在此基础上,利用商空间的粒度原理和霍夫曼编码的思想,对样本分布极其不均匀的分类问题,构造分层竞争覆盖网络。实例表明这种算法可以进一步提高训练的速度和识别的精度,减少拒识样本。     

基于C语言的图像压缩算法

该文借鉴静态图像压缩标准JPEG的理论研究成果,将其与DCT快速变换相结合,采用霍夫曼编码方法,用C语言编程实现灰度图像的压缩。最后,计算了基于DCT快速变换的图像压缩算法的压缩比。同时,分析了DCT快速变换后的数据,验证了该算法用于图像压缩的合理性。     

基于域划分的嵌入式处理器代码压缩方法

为了提高基于域划分的代码压缩方法的压缩率,在传统的位置模型的基础上,挖掘了不同类型指令内部符号间的相关性,提出了一种新的相关模型--类型模型.综合位置模型和类型模型,进一步得到另一种相关模型--混合模型.提出了一种使用混合模型,采用霍夫曼编码的代码压缩方法以及相应的低开销硬件解压缩实现方案.以自主研发的16位嵌入式数字信号处理器（DSP）SPOCK指令集为例,对OggVorbis测试压缩性能.实验结果表明,使用混合模型在少量硬件代价下对SPOCK指令集的压缩率达到53.16%,比传统的位置模型方法提高了12%~14%     

日本工业化进程对中国节能减排背景下电力消费特性的启示

考虑节能减排背景,用霍夫曼工业化阶段划分的理论,对中国的工业化进程进行科学的分析．首先从直观的定性分析角度,比较分析日本与中国2个国家自工业化后期起产业结构与用电结构变化趋势;其次进一步定义用电结构同构性指数,对两国的用电结构进行量化比较,得出某一地区的用电结构是由该地区的工业化阶段所决定的结论;最后将日本自工业化后期起的全社会单位GDP电耗及工业单位增加值电耗与中国的情况进行比较,为中国节能减排背景下电力消费特性的发展变化提供前瞻性的启示．     

基于图像识别的建筑物三维重建

为从彩色高分辨率的图像中提取出主要建筑物的位置信息并进行三维重建,提出一种结合2D和3-D信息识别建筑物,通过纹理集技术进行大规模3-D重建的方法.进行边缘检测,提取可用的短直线以及相应的2-D特征,对这些短直线进行逐级聚类得到候选屋顶集合;通过朴素贝叶斯分类器在候选屋顶集合中区分出不同的3D屋顶特征,以识别全局优秀的屋顶;根据屋顶的位置信息,在大规模的3-D场景中绘制出相应尺寸的模型,通过动态分配算法将建筑物纹理合并,减少纹理数量,从而减少纹理状态的切换.以航拍和卫星遥感彩色高分辨率图像进行实验,实验结果表明,该方法有优秀的识别正确率和3-D重建效果.     

基于Huffman编码的压缩技术的Java实现

当前,广泛采用的无损压缩技术主要有2种,一种是短语式压缩,另一种是编码式压缩。本文介绍采用java编程语言利用Huffman算法实现文件的压缩功能,是实现的编码式压缩技术。     

高级音频编码(AAC)的一种信息隐藏方法

信息隐藏是20世纪90年代逐步兴起的研究课题。针对高级音频编（Advanced Audio Coding,简称AAC）,简要描述了其编解码过程,说明了AAC信息隐藏的主要的概念性方法,然后提出了一种利用频域量化值的统计特性与霍夫曼码书选择间的相关性的信息隐藏的概念性方法,并描述了信息隐藏和信息提取的过程。实验在约3s的AAC压缩音频中隐藏了526bit的信息,证明了该概念性方法的可行性。还分析了目前的信息隐藏的对抗技术——隐秘信息检测技术对其的适应能力。     

基于图像特征和霍夫曼编码的图像水印算法

将霍夫曼编码原理引入数字水印领域,提出一种基于图像特征的数字水印新算法,以降低数字水印算法复杂度。算法在嵌入水印时,首先将数字图像进行三级小波分解,并提取三级逼近分量的边缘特征。然后用霍夫曼编码计算边缘特征矩阵的顶端结点,再将此结点值嵌入到细节分量中。最后进行三级小波逆变换得到嵌入水印的图像。算法在提取水印时,根据嵌入水印的过程找到嵌入点,提取出待检测图像中的水印,并分析得到检测结果。仿真实验表明,该算法复杂度低、载荷小,具有很好的有效性和可行性。     

基于霍夫曼树和逆云模型的雷达拖引干扰识别

针对噪声环境中雷达干扰正确识别率较低的问题,提出了一种新的基于霍夫曼树和逆云模型联合的雷达欺骗干扰识别方法.该方法首先利用干扰数据库,提取有效的识别特征参数库,然后基于霍夫曼树建立识别模型.在每个节点,利用基于逆云模型的隶属度分类,实现待测干扰的识别.仿真结果表明,与传统的干扰识别方法相比,该识别方法能很好地应对雷达干扰的随机性和模糊性,能在干扰参数数值区间有重叠时有效识别雷达干扰.