一种改进的复杂背景下视频车辆检测技术

视频运动目标检测是数字视频处理、分析应用的一个重要领域,其目的是把作为一个整体的视频图像序列,通过一定的方法挖掘出具有意义的运动实体数据。该文对传统阈值法的缺陷进行分析,采用改进的二维阈值结合遗传的方法提高求解寻优的速度和效率,并通过帧差结合背景补偿的方式,提出一种适合于在复杂背景环境下实时检测运动车辆的新方法。实验结果表明,该方法有较强的环境适应能力,能够很好地检测出运动车辆。     

k-means型软子空间聚类算法

软子空间聚类是聚类研究领域的一个重要分支和研究热点。高维空间聚类以数据分布稀疏和"维度效应"现象等问题而成为难点。在分析现有软子空间聚类算法不足的基础上,引入子空间差异的概念;在此基础上,结合簇内紧凑度的信息来设计新的目标优化函数;提出了一种新的k-means型软子空间聚类算法,该算法在聚类过程中无需设置额外的参数。理论分析与实验结果表明,相对于其他的软子空间算法,该算法具有更好的聚类精度。     

一种基于新增阈值的频繁模式挖掘算法

在FP-growth算法的基础上,结合新的阈值,提出了一种改进的频繁模式树构造算法(NCFP-growth).该算法通过兴趣度权重的引入,有效地对频繁项做了进一步的过滤,从而减少了系统在采用FP-growth算法时所产生的大量冗余虚假的规则.对于FP-growth算法而言,该算法在构建频繁模式树时,有效地减小了树的规模,降低了系统存储空间,算法的搜索空间也得到了有效压缩.     

一种基于样本缩减策略的新窗口式聚类算法

窗口式聚类算法的基本思想是用窗口表示一个聚类,通过窗口的平移和扩大达到快速聚类的目的.针对聚类分析中特殊的样本数据集合--图像,提出一种基于样本缩减策略的窗口式聚类算法PRWC(patterns reduction-based window clustering),并应用于图像分割领域.通过实验测试表明,与FCM等常用于图像分割的聚类算法相比,PRWC算法可以在保证基本分割质量的同时,极大地提高图像的分割效率.     

基于聚类的股票波动分析及其应用

Markowitz提出的“期望均值收益-收益方差“规则(M-V),模型要求选择差异性较大的资产进行组合,从而在给定收益率水平下,降低组合的风险。在M-V模型的基础上,采用了数据挖掘中聚类的方法,定义出一种衡量时间序列样本之间相似性程度的指标,这个指标反应了股票间波动行情趋势的异同。在此基础上对资产价格序列性进行聚类分析,与单纯M-V模型相比,在给定的收益率水平下降低了资产组合的风险。采用上证指数中若干股票进行实验验证表明,在给定的收益率下,采用基于密度的层次聚类方法的股票组合可以得到比随机组合更小的风险水平。     

大河庙水库大坝除险加固及其效果分析

本文针对大河庙水库大坝在高水位运行时渗漏严重,危及大坝安全的问题,结合在大坝除险加固方面的成功经验,提出了切实可行的固结灌浆处理方法,并对其效果进行了分析.     

对C语言中指针的分析与研究

通过对C语言中指针的分析与研究 ,阐明了某些指针类型的具体用法 ,并指出了某些教科书中的错误论述 ,为C语言的学习者和爱好者提供参考     

舰机协同防空作战信息网络的复杂性分析与实证

为了提高航母编队的防空作战效能,必须对防空作战系统进行设计和优化.提出一种基于复杂网络理论的航母编队防空作战系统分析方法.该方法在分析航母编队的信息协同网络结构的基础上,对作战系统中的信息进行分类,对平台中心防空作战模式和舰机协同防空作战模式的信息协同进行比较,采用复杂网络分析编队作战系统的结构,建立航母编队防空作战系...     

AHP在机动岸舰导弹发射阵地选址中的应用

建立了机动岸舰导弹阵地的指标体系, 采用了层次分析理论与Delphi相结合的方法给出了阵地的选址评价模型和算法, 实例证明该方法是可行的.