基于全局空间相似性的模糊聚类算法

用传统模糊c均值聚类算法分割图像时,类内数据空间分布离散.针对这一问题,提出一种基于全局空间相似性模糊聚类算法.算法建立全局空间相似性度量标准和全局灰度相似性度量标准,分别计算图像中任意一点与聚类中心点的空间相似性和灰度相似性;通过调整参数来控制两种特征在节点间差异计算中所占的比重,增强了分割结果中类内数据样本空间分布的连续性.分别对3类具有不同特征的图像进行仿真实验,结果表明,与传统FCM算法相比,本文算法分割结果更加精确,更能满足用户的实际需要.

网络系统安全度量综述

随着人们对网络系统全面和客观认识的不断提高,网络系统安全度量(NSSM)正在得到更多的研究和应用。目前,网络系统安全量化评价正朝着精确化和客观化发展。NSSM可以为攻防对抗以及应急响应决策提供客观和科学的依据,其中网络系统安全全局度量是安全度量领域的重点。从全局度量的角度,分析总结了全局度量在网络系统安全中的地位和作用,归纳总结了度量的3个发展阶段(感知、认识、深化)及其特点,给出了全局度量的工作过程,梳理了度量模型、度量体系、度量工具等方法,并指出了各自的特点及其在安全度量中的作用和相互关系。同时详尽地分析了网络系统全局度量面临的技术挑战,并以表格方式总结了十大机遇与挑战。最后展望了网络系统安全度量研究的下一步方向与发展趋势。分析表明,NSSM在网络安全中具有良好的应用前景。

基于包络学习和分级结构一致性机制的不平衡集成算法

集成方法是不平衡学习方法的重要分支,然而,现有不平衡集成方法均作用于原样本而没考虑样本的结构信息,因此其效能仍然有限.样本的结构信息包括局部和全局结构信息.为了解决上述问题,本文提出了一种基于深度样本包络网络(Deep Instance Envelope Network,DIEN)和分级结构一致性机制(Hierarchical Structure Consistency Mechanism,HSCM)的不平衡集成学习算法.该算法在考虑局部流形和全局结构信息的情况下,通过多层样本聚类,生成高质量的多层包络样本,从而实现类平衡化.首先,算法基于样本近邻拼接和模糊C均值聚类算法,设计DIEN来挖掘样本的结构信息,得到深度包络样本.然后,设计局部流形结构度量和全局结构分布度量来构建HSCM用于增强层间样本的分布一致性.接着,将DIEN和HSCM结合起来,构建出优化后的深度样本包络网络——DH(DIEN with HSCM).之后,将基分类器应用于包络样本.最后,设计bagging集成学习机制来融合基分类器的预测结果.文末组织了多组实验,采用了十多个公共数据集和有代表性的相关算法进行验证比较.实验结果表明,本文算法在AUC(Area Under Curve),F-measure等四个性能指标上显著最优.

Tilt扰动下的稳定全局极小值

当Ψ,φ是admissible函数时,我们考虑了集值映射的全局Ψ-开性,证明了其与全局Ψ-度量正则性是等价的。我们把φ-正则函数的定义拓展至全局情形,证明了全空间上的φ-仿凸函数是连续全局φ-正则的。在目标函数是连续全局φ-正则的或φ-仿凸的假定下,我们研究了tilt扰动下的稳定全局极小值与目标函数次微分的全局度量正则性之间的关系,将一些已有的凸性结果推广至非凸情形。

非刚性变换的三维等距模型的对应关系研究

针对非刚性变换后两个三维等距模型间的对应关系问题,提出了基于极点谱植入初始化的贪婪优化算法。首先运用基于高斯曲率的最远点采样算法,获得一组数目相同和位置相对一致的采样点;其次改进初始谱植入匹配算法建立两模型采样点集间的初始对应关系;最后使用基于全局度量(测地距离)的贪婪优化算法进行迭代优化,从而得到三维模型间的稀疏对应关系。实验结果表明,改进的非刚性匹配算法能够获得强健的稀疏对应关系,并在一定程度上提高了匹配算法的效率。

几种网络脆弱性分析方法探析

网络脆弱性分析方法总的目标是为了阐明全局度量结构的理论基础,而这种度量能被用来分析、管理和控制复杂网络系统。本文浅析了几种网络脆弱性分析方法的特点。准确的脆弱性分析要求对攻击模型以及它们对网络的影响要有很深的理解。

一种新的基于空间关系的特征匹配方法

特征匹配是基于特征图像配准方法的难点之一,利用空间关系的策略是解决它的一种可靠途径。首先从理论上统一基于空间关系的特征匹配方法的数学模型,然后详细剖析已有几种经典方法定义的全局一致性度量准则存在的问题,最后提出一种新的解决方法。该方法采用高斯分布描述匹配特征对的空间位置在变换模型约束下存在的不一致性,由此定义全局一致性度量准则,使它在平滑连贯性和全局最优解的突出性等方面比已有准则有较大改善,同时该准则中涉及的惟一参数———高斯分布的方差———对它的全局最优解的突出性影响较小,保证提出准则的稳健性。针对新定义准则的最优化求解问题,本文设计一个两步迭代优化算法。用大量实际图像测试本文提出的方法,并将它与几种经典方法进行比较,实验结果表明本文提出的方法是正确和稳健的。

基于PINN的复合材料自动铺放轨迹整体规划

自动纤维铺放能有效地提高复材构件的制造效率和质量。为满足复材构件的力学性能要求及铺放质量要求,在给定曲面目标域内生成铺放轨迹时需要同时考虑转弯半径、纤维角偏差以及轨迹间距等工艺指标。现有铺放轨迹规划方法大多在对基准轨迹进行优化后,通过路径密化生成铺放轨迹。这仅能保证所生成的轨迹满足单一要求,难以整体满足多个优化目标。为实现多优化目标下的复合材料自动铺放轨迹整体规划,本文将轨迹规划问题转换成为目标域内的泛函优化问题,利用内嵌物理知识神经网络(Physics-informed neural network,PINN)实现目标函数的求解,并提取目标函数的等值线作为轨迹规划的结果。相较于现有策略,本文提出的方法能整体兼顾轨迹的方向性、可铺性以及间隙质量,为实现先进复合材料自动铺放轨迹整体规划提供新思路。

整合全局——局部度量学习的人体目标再识别

目的人体目标再识别的任务是匹配不同摄像机在不同时间、地点拍摄的人体目标。受光照条件、背景、遮挡、视角和姿态等因素影响,不同摄相机下的同一目标表观差异较大。目前研究主要集中在特征表示和度量学习两方面。很多度量学习方法在人体目标再识别问题上了取得了较好的效果,但对于多样化的数据集,单一的全局度量很难适应差异化的特征。对此,有研究者提出了局部度量学习,但这些方法通常需要求解复杂的凸优化问题,计算繁琐。方法利用局部度量学习思想,结合近几年提出的XQDA(cross-view quadratic discriminant analysis)和MLAPG(metric learning by accelerated proximal gradient)等全局度量学习方法,提出了一种整合全局和局部度量学习框架。利用高斯混合模型对训练样本进行聚类,在每个聚类内分别进行局部度量学习;同时在全部训练样本集上进行全局度量学习。对于测试样本,根据样本在高斯混合模型各个成分下的后验概率将局部和全局度量矩阵加权结合,作为衡量相似性的依据。特别地,对于MLAPG算法,利用样本在各个高斯成分下的后验概率,改进目标损失函数中不同样本的损失权重,进一步提高该方法的性能。结果在VIPeR、PRID 450S和QMUL GRID数据集上的实验结果验证了提出的整合全局—局部度量学习方法的有效性。相比于XQDA和MLAPG等全局方法,在VIPeR数据集上的匹配准确率提高2.0%左右,在其他数据集上的性能也有不同程度的提高。另外,利用不同的特征表示对提出的方法进行实验验证,相比于全局方法,匹配准确率提高1.3%3.4%左右。结论有效地整合了全局和局部度量学习方法,既能对多种全局度量学习算法的性能做出改进,又能避免局部度量学习算法复杂的计算过程。实验结果表明,对于使用不同的特征表示,提出的整合全局—局部度量学习框架均可对全局度量学习方法做出改进。

Derivation of Optimal Global Equalization Function with Variable Size Block Based Local Contrast Enhancement

A conventional global contrast enhancement is difficult to apply in various images because image quality and contrast enhancement are dependent on image characteristics largely. And a local contrast enhancement not only causes a washed-out effect, but also blocks. To solve these drawbacks, this paper derives an optimal global equalization function with variable size block based local contrast enhancement. The optimal equalization function makes it possible to get a good quality image through the global contrast enhancement. The variable size block segmentation is firstly exeoated using intensity differences as a measure of similarity. In the second step, the optimal global equalization function is obtained from the enhanced contrast image having variable size blocks. Conformed experiments have showed that the proposed algorithm produces a visually comfortable result image.