Sugeno测度空间基于复样本的统计学习理论

引入复g_λ随机变量、准范数的定义,给出了复g_λ随机变量的期望和方差的概念及若干性质;证明了基于复g_λ随机变量的马尔可夫不等式、契比雪夫不等式和辛钦大数定律;提出了Sugeno测度空间中复经验风险泛函、复期望风险泛函以及复经验风险最小化原则严格一致性等定义;证明并构建了基于复g_λ随机样本的统计学习理论的关键定理和学习过程一致收敛速度的界,为系统建立基于复g_λ随机样本的统计学习理论奠定了理论基础。     

科研社交网络中基于联合概率矩阵分解的科技论文推荐方法研究

近年来随着科研社交网络中科技论文数量爆炸式的增长,科研人员很难高效地找到与之相关的科技论文,因此面向科研工作者的科技论文推荐方法应运而生。然而,传统的科技论文推荐方法没有充分挖掘科研社交网络中广泛存在的社会化信息,导致科技论文推荐质量不高。为此,提出了一种科研社交网络中基于联合概率矩阵分解的科技论文推荐方法,在传统概率矩阵分解的基础上,融入了社会化标签信息和社会化群组信息来进行科技论文推荐。为了验证所提方法的有效性,抓取了科研社交网络CiteULike上的数据进行了实验。实验结果表明,与其它传统推荐方法相比较,所提方法在Precision和Recall两个评价指标上均取得了较好的推荐结果,并且能够应用于大规模数据集,具有良好的可扩展性。     

基于彩色分量垂直边缘检测的车牌定位新方法

考虑车牌本身特征,选择HSV和RGB颜色模型,并对每个分量的贡献值进行分析研究;选取一种有利于车牌提取的颜色空间及一组空间分量的权重值,利用设计的垂直方向算子得到车牌边缘信息,设计了一种阈值选取方法进行二值化处理,最后使用投影积分方法进行车牌细定位。通过各种情况下在卡口获取的200幅车辆实测图像进行测试,车牌定位的准确性和鲁棒性都较好。     

多维不确定性XML数据模型的研究

不确定海量数据存储与记录的广泛应用及其在XML上的扩展,使XML的关联事件概率的数据模型研究成为研究热点,以描述复杂事件的概率数据模型为目标,在当前已有概率模型的基础上,提出了多维不确定概率模型空间的概念,基于多个概率模型进行统一建模,并把单维XML概率节点引申到多维空间,进而定义了统一的空间查询方式,为复杂概率数据建模和查询优化提供了一种新颖的理论方法。     

基于XML的数字签名在电子病历的应用方法

针对文件数字签名在电子病历应用中存在只能整体签名、重复性签名等诸多限制和问题,提出改用XML数字签名。实现结果表明,XML数字签名可支持多种方式的文档数据转换,可以实现对电子病历进行部分和多方签名验证,并能提供清晰易读的密钥信息,更加便于签名的自动检验处理。因此,在电子病历的应用中,XML数字签名较文件数字签名在平衡安全性和数据库空间节约性上具有明显优势。     

YUV颜色空间和图论切割的阴影去除算法

针对智能视频监控系统中阴影常由于其自身的属性而被错误地检测成前景目标的问题,提出了一种YUV颜色空间和图切割算法相结合检测阴影的新方法.首先,在获取的前景运动区域中综合考虑YUV颜色空间的亮度和色度信息来检测阴影区域并融合形态学滤波等操作得到确定的阴影和目标种子点,然后进一步通过图切割算法获得阴影与目标的优化分割,以提高阴影区域的检测精度.实验证明,该方法能有效地检测并去除视频监控场景中运动物体所携带的阴影.     

基于QP_TR信任域的序列图像目标跟踪

本文将信任域算法和尺度空间理论相结合,提出了一种能够精确描述目标尺寸连续变化的新的序列图像目标跟踪算法;将信任域算法与灰度模板相结合,提出了一种新的实时目标跟踪算法。在第一种算法中,首先将序列图像按照颜色直方图转换成目标概率分布图,目标区域在概率分布图中呈现为灰度块。然后通过检测该图在尺度空间中微分滤波器输出的极值,来决定这些灰度块的尺度。最后我们使用QP_TR信任域算法在尺度空间里和图像平面内快速搜索概率分布图的多尺度规范化Laplacian滤波函数极值,实现了目标定位并同时决定了其尺度,从而完成了跟踪任务。在第二种算法中,首先记录目标初始模板,在随后每一帧中应用OP_TR信任域算法搜索与该模板最相似的区域,实现目标定位。和现有算法的比较以及在大量真实序列图像上的实验表明,两种算法分别在目标大小描述,跟踪精度上以及运算速度上有了显著提高。     

基于改进SRG法的叠加维吾尔文字提取算法

如何自动选取种子点的位置是基于区域生长法分割文字的关键问题。该算法通过横向线段检测算子提取出文字条中所有的横向线段;统计线段在饱和度、亮度上像素点的分布,根据统计分布使用Otsu法提取出纯净的文字基线,将它作为区域生长种子点的位置;通过生长法则分割文字。实验在四类不同的背景集中测试算法,其中花卉测试集的字母提取率达到72.31%。     

改进回声状态网络的热点话题预测模型

为了提高网络热点话题的预测精度,针对传统回声状态网络存在的不足,提出一种改进回声状态网络的网络热点话题预测模型。首先将一维的网络热点话题时间序列重构成多维时间序列,然后采用改进回声状态网络对多维时间序列进行学习,建立网络热点话题预测模型,最后对模型性能进行仿真测试。结果表明,改进回声状态网络可对网络热点话题的变化趋势进行准确刻画,网络热点话题的预测精度得以提高,而具有更好的应用价值。     

Automated formal analysis and verification: an overview

This paper provides an overview of various existing approaches to automated formal analysis and verification. The most space is devoted to the approach of model checking, including its basic principles as well as the different techniques that have been proposed for dealing with the state space explosion problem in model checking. This paper, however, includes a brief discussion of theorem proving and static analysis too. All of the discussed approaches are introduced mostly on an informal level, with an attempt to provide the reader with their basic ideas and references to works where more details can be found.