Efficient Regular Data Structures and Algorithms for Dilation, Location, and Proximity Problems

In this paper we investigate data structures obtained by a recursive partitioning of the multi- dimensional input domain into regions of equal size. One of the best known examples of such a structure is the quadtree . It is used here as a basis for more complex data structures. We also provide multidimensional versions of the stratified tree by van Emde Boas [vEB]. We show that under the assumption that the input points have limited precision (i.e., are drawn from the integer grid of size u ) these data structures yield efficient solutions to many important problems. In particular, they allow us to achieve O(log log u) time per operation for dynamic approximate nearest neighbor (under insertions and deletions) and exact on-line closest pair (under insertions only) in any constant number of dimensions. They allow O(log log u) point location in a given planar shape or in its expansion (dilation by a ball of a given radius). Finally, we provide a linear time (optimal) algorithm for computing the expansion of a shape represented by a region quadtree. This result shows that the spatial order imposed by this regular data structure is sufficient to optimize the operation of dilation by a ball. Received January 19, 1999; revised November 4, 1999.     

基于近邻估计的年径流预测动态 联系数回归模型

集对分析理论为处理确定、不确定系统提供了新的途径,根据集对分析理论建立起来的预测联系数回归模型可以明显改善回归模型的预测精度。对于预测因子结构具有的动态性,文中将利用近邻估计,通过计算各个预测因子的变异系数,来判断预测因子在某次预测中处于强势或者弱势,进而动态地选择预报功能大的强势因子,消除对预报起负面作用的弱势因子的作用,这样很好地体现了预测因子结构中具有的动态性。基于此建立了基于近邻估计的年径流预测动态联系数回归模型（NNE-DCNR）。结果说明：用NNE-DCNR去预测年径流量,预测精度比常用预测方法有显著提高,在水文水资源的预测中具有推广应用价值     

一种快速的反向k近邻查找算法及其改进

提出一种快速的反向k近邻查找算法,该方法利用现代计算机具有外存便宜、运行速度快的特点,预先计算数据之间的距离,并组织为数据索引块存储于外存,由计算机在空闲时自动进行维护.在进行反向最近邻查询时,只需读入相应的索引块,就可进行直接查询,其时间复杂度为O(N),而且不受k的影响.为减少索引块的读取时间,提出一种改进方法来有效地压缩索引块,仅用必要的二进制位来存储对象之间的距离,并将冗余减少到最低水平,提高了算法的效率.最后通过实验分析评估算法的有效性和效率.     

自适应SINR门限的自动邻区关系生成算法

在长期演进(LTE)系统中,为保证终端通信的正常进行,每个小区需要维护一张邻区列表,该表决定终端切换的范围和方向.传统的相邻小区列表配置是网络工程师根据现场勘测情况进行配置,这样不仅会消耗大量的时间和人力,而且不具有全网统计性.笔者提出一种基于自适应SINR门限的自动邻区关系生成算法.该算法引入了自适应SINR门限以及"投票模型",充分考虑到了LTE网络中的小区类型,并能有效反映实际的网络环境,最终实现动态的相邻小区列表管理.通过仿真评估不同的SINR取值对相邻小区列表的冗余率和准确率的影响,获取了该算法的增益.     

Traffic sign recognition algorithm based on shape signature and dual-tree complex wavelet transform

A novel traffic sign recognition system is presented in this work. Firstly, the color segmentation and shape classifier based on signature feature of region are used to detect traffic signs in input video sequences. Secondly, traffic sign color-image is preprocessed with gray scaling, and normalized to 64×64 size. Then, image features could be obtained by four levels DT-CWT images. Thirdly, 2DICA and nearest neighbor classifier are united to recognize traffic signs. The whole recognition algorithm is implemented for classification of 50 categories of traffic signs and its recognition accuracy reaches 90%. Comparing image representation DT-CWT with the well-established image representation like template, Gabor, and 2DICA with feature selection techniques such as PCA, LPP, 2DPCA at the same time, the results show that combination method of DT-CWT and 2DICA is useful in traffic signs recognition. Experimental results indicate that the proposed algorithm is robust, effective and accurate.     

基于目标分割与SVM的人数统计

该文实现了垂直摄像头下的实时人数统计。为减少场景中伪目标区域对人头检测的影响,首先利用背景建模法提取前景目标,并根据发色信息筛选前景目标。然后采用线性SVM训练得到的头部分类器识别头部,并将头部中心点作为运动人体的特征点,利用最近邻匹配法进行数据关联,完成行人的跟踪计数。不同场景下的视频测试结果表明,该方法能较准确地实现人数统计。     

尺度与颜色不变性图像特征描述

尺度不变特征变换是目前公认的鲁棒性最强的图像特征描述方法之一,在尺度不变性和几何不变性方面具有较好的特性,但该方法主要适用于灰度图像,对图像颜色的区分能力不强,因此,一些对象可能会因为颜色的不同而被错误的区分.另外,尺度不变特征变换对关键点局部范围内描述子主方向的依赖性非常强,直接决定了匹配的正确率,但是研究表明,主方向分配产生的误差仅有三分之二左右能控制在[-20。,+20。]范围内,因此部分特征会有三分之一的概率因为主方向分配的误差较大而不能正确匹配.针对以上两个问题,本文提出了一种具有颜色和尺度不变性的局部特征描述方法,颜色不变性通过将RGB图像转换到高斯颜色模型下实现,特征描述过程中不再分配主方向,而用局部相对方向,尺度不变性通过构建高斯金子塔实现.实验选取阿姆斯特丹数据集图像进行了测试,结果表明本文方法比传统尺度不变特征变换方法,在特征点的数目、分布均匀性以及匹配精度方面均有所提高.     

一种基于置信度的代表点选择算法

代表点选择是实现缩减数据集规模的有效途径,可以提高分类的准确率和执行效率.为此,通过引入分类置信度熵的概念,提出适应度评价函数,用于评估代表点的选择效果,以此找到最优的代表点集.该方法可与其他代表点选择方法结合,得到性能更优的代表点选择方法.与多个经典代表点选择方法进行实验比较,结果表明基于置信度的代表点选择方法在分类准确率和数据降低率上有一定优势.     

基于网格聚类LS-SVM 的铝电解生产过程极距软测量

针对铝电解生产过程的复杂性,建立了基于网格共享近邻聚类（GNN）最小二乘支持向量机（LS-SVM）的铝电解生产过程极距软测量模型.该模型采用GNN算法将训练集分成具有不同聚类中心的子集,对各子集分别采用LS-SVM进行训练并建立子模型,同时通过参数转化实现模型对新数据样本的动态学习.仿真结果表明,基于GNN最小二乘方法建立的铝电解极距软测量模型具有精度高、泛化性能好等特点,能够为铝电解生产过程操作优化提供实时准确的信息.     

基于区域划分的kNN文本快速分类算法研究

kNN方法作为一种简单、有效、非参数的分类方法,在文本分类中广泛应用。为提高其分类效率,提出一种基于区域划分的kNN文本快速分类算法。将训练样本集按空间分布情况划分成若干区域,根据测试样本与各区域之间的位置关系快速查找其k个最近邻,从而大大降低kNN算法的计算量。数学推理和实验结果均表明,该算法在确保kNN分类器准确率不变的前提下,显著提高了分类效率。