HEVC压缩域的视频摘要关键帧提取方法

为了提高关键帧提取的准确率，改善视频摘要的质量，提出了一种HEVC压缩域的视频摘要关键帧提取方法。首先，对视频序列进行编解码，在解码中统计HEVC帧内编码PU块的亮度预测模式数目。然后，特征提取是利用统计得到的模式数目构建成模式特征向量，并将其作为视频帧的纹理特征用于关键帧的提取。最后，利用融合迭代自组织数据分析算法(ISODATA）的自适应聚类算法对模式特征向量进行聚类，在聚类结果中选取每个类内中间向量对应的帧作为候选关键帧，并通过相似度对候选关键帧进行再次筛选，剔除冗余帧，得到最终的关键帧。实验结果表明，在Open Video Project数据集上进行的大量实验验证，该方法提取关键帧的精度为79.9%、召回率达到93.6%、F-score为86.2%，有效地改善了视频摘要的质量。      

基于模糊综合评判的装备训练评估标准优选

采用定性与定量相结合评估思想,针对某大型复杂战役地空导弹训练评估标准优选问题,运用模糊综合评判方法,综合考虑操作时间、操作步骤、操作技巧、操作成效、口令、士气等各方面的因素,建立该型装备训练评估标准.步骤包括:确定评价因素、评价等级,构造评判矩阵,确定权重,进行模糊合成和做出决策.     

基于OSPF协议的多路径路由研究

为了有效利用网络资源,增强传输数据包的安全性,在优先开放最短路径（Open Shortest Path First,OSPF）协议的基础上,提出了一种改进的多路径路由算法。将寻找到的多条不相交路径添加到路径集Px中,将相交路径添加到备用路径集Cx中。当Px集中路径用完时,根据加权weight值随机地丢掉一些路径,并用Cx集中的路径来补充。根据本算法,不仅有效预防网络拥塞,而且增强了网络中的数据安全性。     

一种有效的边缘保持图像插值算法

针对传统插值算法导致的图像边缘模糊和运算复杂问题,本文基于逆梯度权重提出一种有效的边缘保持的图像插值算法,实验结果表明,该方法可有效提高插值后的图像质量。     

基于PageRank的缓存替换策略

为了提高代理缓存的性能,提出了基于PageRank的缓存替换策略。该算法是从用户访问行为对文件对象价值具有影响的角度提出的,该算法首先将用户和文件对象类比为网络中的节点,将用户和文件对象之间的访问关系抽象为网络中的连线,然后采用PageRank算法计算文件和用户的权重值,最后在需要进行缓存替换时,优先替换文件权重值小的文件。仿真实验的结果表明,相对于LFU算法,该算法具有较高的请求命中率和字节命中率。     

大数据环境下产品质量安全风险评估研究

针对如何在海量检验数据中进行产品质量安全风险评估问题,构建了产品质量安全风险评估模型,并应用大数据MapReduce技术实现之。首先,根据专家的知识确定某类产品质量安全风险评估指标体系和评估规则,即设定每个指标的安全阀值和权重,将检测结果与该指标的阀值进行比较来确定该指标的风险指数,并计算该产品所有指标风险指数的加权平均值,就是该产品的风险指数;然后,将海量的检验数据进行预处理后加载到MapReduce框架中,根据产品质量安全风险评估规则进行处理,处理完成之后输出该批产品质量安全风险信息;最后将结果以图形化的界面展示给用户。     

信息系统下的工程保障能力评估

对评估工程保障能力的指标体系进行了不同划分,运用区间直觉模糊集性质,将其与模糊综合评价方法相结合,形成区间直觉模糊综合评价原理。将直觉模糊综合评价方法用于工程保障能力评估,利用直觉模糊数同时反映隶属度与非隶属度的性质,更加全面反映了部队的工程保障能力现状,其评价结果更接近真实情况。     

新型机电产品使用可靠性研究

在提出相似理论基本原理的基础上,着重介绍了权重值的计算方法,进而给出了系统相似度的概念和公式,并通过实例探讨了利用相似理论计算机电产品相似度精确值及预测新产品可靠性的方法,最后指出了在具体的计算过程中需要考虑的一些问题.     

基于自适应局部邻域加权约束的非负矩阵分解方法及其在高光谱解混中的应用

非负矩阵分解(Nonnegative Matrix Factorization,NMF)技术已经成为了高光谱解混领域研究的热点.但是如何有效地利用高光谱的空间和光谱信息仍然是一个难点,尤其在确定局部邻域时,往往会遇到结构固定等问题.针对以上问题,提出了一种基于自适应局部邻域加权约束的非负矩阵分解算法.算法根据丰度的数据...     

Hyperspectral datum classification using kernel method based on mutual information of neighbor bands

Under the framework of support vector machines, this paper proposes a new kernel method based on neighbor bands mutual information for hyperspectral datum classification. This algorithm assigns weights to different bands in the kernel function according to the amount of useful information that they contain, which makes the band with more useful informa- tion play more important role in the classification. Our research has shown that the band with greater mutual information between neighbor bands contains more useful information, and hencewe use the mutual information of each band and its neighbor bands as the weights of the proposed kernel method. The experimental results show that for the support vector machines based on polynomial and radial basis function, after introducing the proposed kernel function, the average accuracy is increased more than 1.2% without using any reference map or increasing much more computational time.