基于局部信息熵的计算机网络高维数据离群点检测系统

通过离群点检测可以及时发现计算机网络中的异常,从而为风险预警和控制提供重要线索。为此,设计一种基于局部信息熵的计算机网络高维数据离群点检测系统。在高维数据采集模块中,利用Wireshark工具采集计算机网络原始高维数据包;并在高维数据存储模块中建立MySQL数据库、Zooleeper数据库与Redis数据库,用于存储采集的高维数据包。在高维数据离群点检测模块中,通过微聚类划分算法划分存储的高维数据包,得到数个微聚类;然后计算各微聚类的局部信息熵,确定各微聚类内是否存在离群点;再依据偏离度挖掘微聚类内的离群点;最后,利用高维数据可视化模块呈现离群点检测结果。实验证明:所设计系统不仅可以有效采集计算机网络高维数据并划分计算机网络高维数据,还能够有效检测高维数据离群点,且离群点检测效率较快。

融合全局和局部信息的铁谱图像自动对焦算法

针对铁谱图像获取时人工对焦误差大、速度慢等问题,提出了一种融合全局信息和局部信息的铁谱图像自动对焦方法。此方法分为两个阶段:全局对焦阶段利用卷积神经网络(Convolutional Neural Networks,CNN)提取整幅图像的特征向量,并利用门控循环单元(Gate Recurrent Unit,GRU)融合对焦过程提取的特征,预测当前全局离焦距离,起到粗对焦的作用;局部对焦阶段提取磨粒的特征向量,利用GRU融合当前特征与前一轮对焦提取的特征,并依据最厚磨粒信息,预测当前磨粒离焦距离,起到精对焦的作用。同时,为了提高对焦准确率,提出了结合拉普拉斯梯度的对焦方向判定法。实验结果表明,此算法在测试集上的对焦误差为2.51μm,当景深为2.0μm时对焦准确率为80.1%,平均对焦时间为0.771 s。本文提出的自动对焦方法具有较好的性能,为铁谱图像自动准确采集提供了技术支持。

基于局部信息融合的点云3D目标检测算法

针对当前基于点云的三维目标检测算法缺乏目标准确的空间位置信息,提出局部信息编码模块和后期交叉融合模块的三维目标检测算法.在特征提取阶段,模型通过三维稀疏卷积高效地编码全局特征.局部信息编码模块利用目标内部的原始点云信息,构建目标的细粒度语义信息,通过自注意力机制对这些信息进行重新加权,增强局部特征的表达能力.提出交叉融合模块,用于局部特征与全局特征的信息交互,产生表达能力更强的目标检测特征.使用KITTI和Waymo公开数据集,验证所提出的方法.在KITTI数据集的简单、中等和困难任务上,本文方法的平均准确率AP0.7分别达到了91.60%、82.53%和77.83%,在Waymo数据集上的平均准确率AP0.7达到74.92%.

基于全局与局部信息融合的视网膜血管分割

针对视网膜血管分割方法中U-Net网络捕获全局上下文信息效率不高的问题,提出了一种融合全局信息和局部信息的方法,即在提取特征的同时提取局部细节特征和全局上下文特征,并将二者有效融合。首先,在U-Net网络编码器部分添加一个与原卷积层并行的金字塔视觉Transformer分支,用于提取全局上下文信息;其次,在编码器底部引入了BiFusion模块,将U-Net网络卷积层提取到的局部信息与Transformer分支提取到的全局信息进行有效融合,以获取到更加完整的特征信息。在FIVES与OCTA-500数据集上的实验结果表明,上述网络的DICE系数分别达到了90.09%和83.28%,并且视网膜分割效果也了明显提高。

基于局部信息熵的智能电网数据离群点识别

识别智能电网数据离群点能够准确地确定智能电网数据对象,但是目前提出的识别方法识别精准度较差,识别效率较低。为此,基于局部信息熵研究了一种新的智能电网数据离群点识别方法,通过方差定义选取优选空间,确定优选空间集阈值进行数据加权处理,计算优选空间信息熵;通过无量化处理判断临界点数值,得到子空间最优范围。检索与分析离群状态变化情况,计算离群因子,根据概率值增强算法对冗余数据的甄别能力,删除离群点冗余数据,将平均值计入值域,实现智能电网数据离群点识别。实验结果表明,所研究方法精准度最终能够达到95%,识别效率在90%以上。

结合边缘局部信息的FCM抗噪图像分割算法

针对传统FCM图像分割算法没有充分利用像素点的邻域关系与局部信息,导致算法对噪声敏感,不能准确地分割出弱边缘区域的问题,提出一种结合图像全局信息与边缘局部信息的分割算法.首先引入局部窗口变异系数和邻域灰度相似性2个概念重新设计模糊因子,使其能够更精确地衡量邻域点对中心点的影响程度,降低噪声对分割的影响;然后在分割结果的边缘上选取局部窗口,将边缘局部信息融入分割过程;最后在选取窗口中再分割,等同于在边缘处增加多个更符合局部信息的聚类中心来纠正被错误分类的像素点.实验结果表明,该算法能够有效地消除噪声对分割的影响,同时保留更多图像细节信息.

局部信息条件下复杂网络的攻击策略

针对目前关于复杂网络的研究多数是建立在整个网络拓扑结构已知的情况下,提出了一种基于局部拓扑结构已知条件下复杂网络的攻击策略。利用复杂网络分析工具,通过仿真,与传统网络拓扑结构已知条件下的攻击策略相比较,得出新型攻击策略的攻击效果基本上与拓扑结构已知的攻击效果相同。该方法将进一步扩大复杂网络的适用范围。

结合非局部信息与图割的图像分割算法

基于图割的交互式图像分割方法从图像背景中分离出前景目标,在图像处理和计算机视觉领域引起了广泛的关注.为了进一步提高分割精度,提出一种结合图像非局部信息和图割的交互式图像分割算法.在建模图像非局部信息时为每个像素点设置一个固定大小的搜索窗口,每个像素点只需考虑与搜索窗口内像素之间的关系;计算非局部像素对之间相似性时采用图像片替代像素,通过图像片之间的相似性替代像素之间的相似性,以表征图像的非局部信息;将图像非局部信息引入到图割框架中,在传统能量函数的边界项将图像的局部信息与非局部信息合并,组成结合局部非局部信息的新的能量项;构图时新添加一组边集?非局部边集来表示图像的非局部信息,再通过最大流/最小割算法求解得到最终的分割结果.最后通过实验验证了该算法的有效性和可行性.

对几个基于线路局部信息的电压稳定指标有效性的质疑(英文)

基于电压方程和功率方程判别式的非负性,已经提出了多个基于线路局部信息的电压稳定指标,并且多年来被广泛引用,但目前并没有对这些指标的理论推导和数值计算的正确性进行严格证明。该文在理论上证明这些指标中的7个只在一定特殊条件下才与PV曲线相一致,而在通常情况下这些指标并不能用以进行电压稳定性的评估。3个测试系统的仿真结果证实了本文理论证明的正确性。

结合非局部信息的脑MR图像分割与偏移场恢复耦合模型

磁共振图像由于成像机制的影响往往导致图像中含有噪声和偏移场,使得传统方法很难得到较好的分割结果.为此,在模糊C均值模型的基础上提出一种分割与偏移场恢复耦合模型.首先构建基于非局部信息的邻域正则项,使得在降低噪声影响的同时能有效地保留图像结构信息;其次在模型求解时引入人工蜂群算法,使得模型能快速逼近凸优解.实验结果表明,该模型对噪声和偏移场均具有较好的鲁棒性,可得到较准确的分割和偏移场矫正结果.

融合全局和局部信息的水平集乳腺MR图像分割

针对乳腺核磁共振成像的灰度不均匀现象,提出一种融合全局和局部信息的水平集图像分割方法(global and local combined C_V,GLCCV)。该方法将图像的局部信息融入基于全局信息的Chan-Vese(C_V)水平集方法;根据局部灰度拟合均值占全局灰度均值的比例,构造自适应平衡指示函数调节全局和局部效应之间的均衡;加入惩罚项以避免重新初始化。对比实验表明,该水平集分割模型能够有效分割多种灰度不均匀场景下的乳腺MR图像,在抗噪和精确性方面优于融合前的分割方法。

基于Transformer局部信息及语法增强架构的中文拼写纠错方法

针对中文拼写纠错,提出两种新的改进方法。其一,在Transformer注意力机制的基础上,添加高斯分布的偏置矩阵,用于提高模型对局部文本的关注程度,加强对错误文本中错误字词和周边文字的信息提取。其二,使用ON_LSTM模型,对错误文本表现出的特殊语法结构特征进行语法信息提取。实验结果表明,所提出的两种方法均能有效提高准确率和召回率,并且,将两种方法融合后的模型取得最高F1值。

基于核与局部信息的多维度模糊聚类图像分割算法

在以聚类分析为背景的图像分割算法中,引入局部信息是为了在保留图像细节的同时尽可能地减少噪声。在模糊C均值算法基础上,提出了一种基于核与局部信息的多维度模糊聚类分析方法来权衡图像中的噪声和细节。该算法引入2个基于局部信息的图像变体,即平滑和锐化处理后的图像,使之与原始图像一起构成多维度的灰度值向量来替换原始单维的灰度值;再利用核方法提高其鲁棒性;最后添加一个邻域隶属度差异惩罚项很好地修正和增强了最终的分割效果。在人工合成图片的去噪实验中,所提方法取得了近99%的分割正确率,优于Nystrom归一化分割(NNcut)和基于模糊局部信息C均值(FLICM)算法;同时在自然图片和医学图片的对比实验以及参数调控实验中,展现出了其在处理图像噪声和细节时灵活、稳定、健壮且易于调控的特点。

改进的FKCN与局部信息相结合的图像分割

FKCN在分割图像时存在速度慢,对噪声比较敏感等问题。对FKCN进行改进,提出了快速的FKCN与图像局部信息相结合的遥感图像分割算法,将图像的空间信息和像素信息引入到改进的FKCN图像分割算法中,从而提高了FKCN的分割速度而且还增强了抗噪性能。实验结果表明,该算法显示了很好的分割效果和较强的抗噪性能。

局部信息约束的形状导向水平集算法对下颌管的分割

针对下颌管在CT成像中相对于周围组织的模糊特性,提出一种基于局部信息约束的形状导向水平集算法,对下颌管进行高精度分割。首先根据下颌管分布的位置,重建出下颌管相应部位的多个侧断面,并进行下颌管提取;然后利用主成分分析方法(PCA),对下颌管进行先验形状统计;之后在形状导向水平集算法的基础上,引入下颌管周围组织的局部信息,对水平集演化的能量函数进行约束,以改进在模糊区域水平集的分割效果,从而有效地实现对任意侧断面中下颌管的分割。通过利用分割精度对感兴趣目标的分割结果进行度量,得出形状导向水平集算法的平均分割精度为4.19%,而本算法的平均分割精度为1.82%。该方法能有效对患者的下颌管进行精确的分割,为临床下颌管的定位提供了一种行之有效的新方法。

结合局部信息改进的C-V超声图像分割模型

针对无边缘主动轮廓模型(Active contours without edges,C-V)难以分割灰度分布不均匀的甲状腺超声图像,本文提出结合局部信息改进的C-V超声图像分割模型。该方法根据局部信息具有不受灰度分布影响的拟合特性,利用图像局部拟合信息构造一种新的速度函数,使速度函数依据图像局部灰度变化控制曲线的演化速率;然后将该速度函数引入到C-V模型中,具有全局分割能力。实验结果表明,本文方法可以实现对灰度分布不均匀的甲状腺肿瘤超声图像的准确分割,且分割效率也有所提高。

改进的模糊熵与图像局部信息相结合的遥感图像分割新算法

针对传统的一维最大模糊熵图像分割算法没有考虑图像的局部信息而对噪声十分敏感的这一不足,本文提出了结合图像局部信息的一维模糊熵图像分割算法。该算法将图像的空间信息和像素信息引入到一维模糊熵图像分割算法中,并运用微正则退火算法对一维最大模糊熵进行改进,从而提高了传统的一维最大模糊熵分割精度。实验结果表明,该算法显示了很好的分割效果和较强的抗噪性能。

基于局部信息融合和估计投影法的多区域电力系统状态估计

在多区域互联电力系统中,由于状态变量维数高和大量量测数据处理等问题,集中式估计的实现变得困难。提出一种基于局部信息融合和估计投影法的多区域电力系统状态估计新算法。首先,各区域独立运行加权最小二乘迭代得到本地估计值,并将协调中心边界状态估计值及对应的协方差子矩阵发送至协调中心;得到各区域边界信息后,协调中心采用最小二乘信息融合算法对系统边界状态作协调估计,并返回边界协调估计值至各区域;最后,根据边界协调估计值,各区域通过估计投影法对其内部状态作修正。该方法适应于全系统有/无相量测量单元(PMU)的情况,且所需通信量少,易于实现。算例仿真结果表明,所提算法具有良好的估计精度和实时性。

改进的FCM与局部信息相结合的图像分割

传统的EM算法和FCM算法分割精度低,时间消耗大。为解决以上不足,提出了一种基于EM、FCM和KCN三种算法相结合的全新的图像分割算法。该算法有较好的分割精度。考虑到图像会受到噪声的干扰,在改进算法的基础上又引入图像的局部信息。首先利用图像的局部信息重塑图像的灰度直方图,增强了像素的类间散布性和类内紧凑性,然后让改进的算法在重塑图像上执行。实验结果表明,该算法具有很好的分割效果和较强的抗噪性能。

改进蚁群算法的局部信息动态路径规划

针对传统蚁群算法收敛速度慢、对动态路径变化适应性低的局限性,提出了一种基于局部信息获取策略的动态改进型蚁群算法。该算法利用局部信息获取策略,进行最优局部目标点的获取,然后调用改进蚁群算法获取局部区域内的最优路径,再重复循环获取新的最优局部目标点,直到找到全局目标点;与此同时,将提出的改进型蚁群算法应用于动态路径规划中的路径寻优与避障,仿真结果表明:提出的算法在具有与传统蚁群算法相当的路径优化效果的同时,能够有效适应障碍变化、大大提高了路径规划的收敛速度。