基于多场景序列匹配的视音频互动行为数据在线共享方法

视音频在多场景下共享时,由于过多干扰量导致匹配难度较大,因此提出一种基于单播流与多播流的互动行为数据在线共享算法来有效解决此问题。考虑到网络具有自我保护机制,本身就存在共享障碍,需采集历史数据建立安全保护函数,结合网络流量剩余定理计算不同大小和私密程度的视音频文本,记录每一次身份验证时流量的变化,设立验证门限。根据视音频互动行为特征,建立观测序列,按照特征值查找匹配度最高的场景,结合每次共享时视音频产生的资源增益,分别计算单播流和多播流形式下资源增益的对应带宽,生成适应度最高的共享序列。实验证明,所提方法对单播流和多播流形式的视音频数据均能实现精准共享,效率较好,共享代价很低,具有极高的实用价值。

产品层析图像的轮廓序列匹配技术研究

图像匹配是图形图像处理领域研究的重要问题之一 .针对基于层析图像的逆向工程 CAD建模过程中的图像轮廓识别与匹配问题 ,通过建立物体轮廓森林 ,进行轮廓识别 ,缩小轮廓匹配搜索范围 ;利用椭圆定量表达平面离散点序列的整体形位信息 ,实现轮廓匹配 ;提出加权旋转半分法处理分枝问题 ;并结合典型算例 ,进行算法验证 ,取得了较好效果 .本算法具有简单易用、效率高的优点 .

基于序列匹配的作业相似度检测系统

为辅助教师进行电子作业的批改和抄袭鉴别,设计并实现一种基于序列匹配的作业相似度检测系统。以班级为分组建立相似度计算模型,利用序列匹配算法计算公共子序列的长度,得到每组作业两两之间的相似度,并在此基础上进行聚类分析,给出可视化结果。实验结果表明,该系统具有较强的实用性,能够辅助教师在批改作业时快速高效地鉴别疑似抄袭的情况。

时态数据的趋势序列分析及其子序列匹配算法研究

针对时态数据挖掘中传统趋势序列分析的缺点,提出了数字趋势序列、趋势序列展开等概念.根据数字趋势序列的特点,使用片段斜率所对应的弧度值来度量片段的趋势.针对数字趋势序列的子序列匹配问题,设计了“DTW双约束快速搜索算法”.算法分为3个部分:DTW顺序搜索、双约束机制、冗余消除机制,其中DTW顺序搜索构成了算法的基本框架,双约束机制加快了DTW距离的计算过程,冗余消除机制消除了最终结果集中的冗余.

基于神经网络与遗传算法的图像轮廓序列匹配技术

切片轮廓图像匹配是实现基于层析图像的逆向工程产品反求的关键技术之一。该文针对经典算法应用于复杂产品样件切片轮廓图像引起的“难匹配”或“误匹配”问题,在建立物体轮廓森林的基础上,应用智能模式识别技术,将切片轮廓视为不同模式,设计一个三层的BP网络,对切片轮廓进行模式划分,并处理多分枝问题,实现轮廓匹配;应用遗传算法优化网络参数,提高算法效率。结合典型算例进行验证,取得了较好效果,该算法具有适应性强、准确性高的优点。

基于序列匹配的螺旋桨轴频自动提取方法

针对船舶、潜艇等水声目标螺旋桨轴频自动提取困难的问题,提出一种基于平均能量累积和脉冲序列匹配的水声目标螺旋桨轴频特征提取算法,算法首先将噪声不同频段的调制信息利用多频段融合改进方法对DEMON谱进行线增强,然后利用平均能量累积方法对与螺旋桨轴频及其谐波相关的线谱进行提取,由于提取的线谱所对应轴频或谐波次数不明确,最后算法通过序列匹配方法计算线谱对应的谐波次数,从而实现螺旋桨轴频的自动提取,通过实验验证,算法取得了较好效果。

卫星跟踪中位置预测的序列匹配算法

针对卫星跟踪中的位置预测问题,分析了动力学模型方法的预测误差组成,提出一种用测量数据来计算预测数据时间误差的序列匹配算法,并讨论了空间误差的计算方法。仿真结果表明,提出的时间校正和空间误差补偿方法的预测精度比动力学模型和Kalman滤波法的预测精度高;即在相同的精度要求下,序列匹配算法能预测的时间范围是Kalman滤波法的1.5倍以上。

基于灰度和纹理特征的广告视频序列匹配算法

针对基于内容的视频序列检索匹配提出一种综合颜色灰度和纹理特征对分块图像进行描述的方法,根据颜色灰度特征引入灰阶顺序码的概念。结合Harr小波变换与Gabor变换提出一种新的纹理提取方案。针对广告视频序列检索匹配的应用提出逐级过滤检索匹配策略,明显减小了计算复杂度,提高了检索效率。

基于局部序列匹配的跳频自同步法性能分析

局部序列匹配自同步法是一种新的跳频自同步方案。在跳频工作状态,接收机使用很少的支路接收具有某种特征的发送序列,将此序列与本地序列匹配,确定接收端与发射端的跳频序列相位差,调整相位完成同步捕获。文中给出了局部序列自同步法的原理描述和设计方案,并在高斯白噪声环境下进行了性能分析。分析结果表明,该方案不需要同步引导码和勤务频率,具有较强的抗侦察能力和抗干扰能力。

一种基于局部序列匹配的跳频自同步方案

为了提高通信系统的同步信息隐蔽性和系统抗侦察能力,提出了基于局部序列匹配的跳频自同步方案,该方案工作在跳频工作状态。本方案中,并行接收机使用很少的支路接收具有某种特征的发送序列L,将序列L与本地序列匹配,确定本地与发射端的跳频序列相位差,调整相位完成同步捕获。通过理论分析,确定了序列L唯一的条件,得到了系统复杂度和捕获时间之间的函数表达式,并给出了系统最优支路数。分析结果表明,该方案不需要同步引导码和勤务频率就可以完成系统的同步保持和迟入网同步,并且捕获速度和系统复杂度均介于滑动相关法和匹配滤波法之间。本方案结合了传统方案的优点,具有良好的隐蔽性,不易被敌方发现和干扰。

数据流上快速子序列匹配

数据流技术目前已广泛应用于金融分析、网络监控及传感器网络等诸多领域,而已有的相似性匹配技术主要针对时间序列数据库,难于直接应用于高速、连续、实时、海量的流数据,因此在数据流上渐进、实时地进行子序列匹配成为一个极具价值和挑战性的问题。在动态时间规整技术的基础上,设计了一种新颖的界限机制,充分利用相似性阈值,尽量减少冗余计算,算法完全符合数据流"单遍扫描"的性能要求,并通过大量的模拟和真实数据实验表明:与现有的SPRING算法相比,在不损失任何算法精度的前提下,仅增加几个字节的空间开销,速度至少提高3倍。

不确定XML序列匹配等价性研究

为了保持等价性,将序列匹配应用到不确定XML小枝模式匹配,需要重新考虑假警报和假不予考虑问题。针对这一问题,对不确定XML序列匹配中模式树序列化、子序列匹配和结构过滤的等价性进行分析,使得序列匹配应用到不确定XML小枝模式匹配的理论依据更为完备;通过实验对不确定XML序列匹配的等价性和效率进行验证。理论分析和实验结果表明,序列匹配应用到不确定XML与普通XML是等价的,具有较高的效率。

音乐节奏与动作节奏的序列匹配认知机制研究

演奏家是通过听觉对音乐感知,以动作节奏来诠释音乐内涵与演奏风格,动作节奏不仅展现出了肌肉收缩的动态变化,而且在视觉空间中与听觉联合进而展现身体动静结合的姿态。人体这种在身体生理性与心理神经性的复杂关系,足以说明动作节奏与音乐节奏互为同步,而且演奏时,动作节奏中的动作序列是按照音乐节奏时序而逐一展现出来的,也就是说二者是以"序列匹配"为认知基础的,本研究试图从脑认知神经科学的视角出发,对音乐节奏与动作节奏的这种序列匹配关系进行深入剖析。

一种基于图的近重复视频子序列匹配算法

为了解决近重复视频检测中的效果和效率问题,提出了一种基于图的近重复视频子序列匹配算法。将基于关键帧特征的相似性查询结果构建成匹配结果图,进而将近重复视频检测转换成一个在匹配结果图中查找最长路径的问题。该算法有三个主要优势:a)它能在众多杂乱的匹配结果中找到最佳的匹配序列,有效剔除了某些假"高相似度"匹配带来的噪声,因而能在一定程度上弥补底层特征描述力的不足;b)由于它充分考虑和利用了视频序列的时序特性,具有很高的近重复视频定位准确度;c)它能自动检测出匹配结果图中存在的多条离散路径,从而能一次性检测出两段视频中可能存在多段近重复视频的情形。提出的算法不仅提高了检测的准确度,而且提高了检测效率,取得了良好的实践效果。

基于序列匹配和极值理论对地震趋势的研究

通过分析造成地震发生的各种因素之间的关系,提出了将极值理论和地震时间序列匹配相结合用于地震趋势研究的基本思想。针对传统地震时间序列匹配算法的不足,提出了将基于形态的时间-震级二维相似性匹配算法和极值理论相结合对未来地震趋势进行分析的方法。该方法采用时间-震级二维相似性匹配的方法寻找最佳地震匹配区域,用极值理论对该区域地震活动的复发周期和发震概率及其概率阈值进行数据处理,从而获得对该地区未来一段时间的地震趋势做出判断。以安徽及周边地区为例,阐述了应用该方法进行研究的一般步骤。

数字趋势序列及其全序列匹配算法研究

针对基于点距离的时序数据分析和传统趋势序列分析的缺点,提出了数字趋势序列、序列的Lp距离、序列分段向量等概念,证明了包括“序列分段均值定理”在内的3个重要定理,设计了专门用于数字趋势序列的“基于序列分段向量(SSV)的全序列匹配算法”。算法使用片段斜率所对应的弧度值来度量片段的趋势,同时用趋势的保持时间来对趋势值进行加权,实现了数字趋势序列之间快速的全序列相似性搜索。

最大序列匹配问题及路由器解决方法

随着Internet用户数量的激增,突破IP路由器的性能限制已成为当前研究的热点.过去,路由器每个端口的价格要远高于交换机端口的价格.随着对路由器研究的深入,这一情况也相应改变.传统的路由器采用的是集中式控制结构,通常用一到两个处理器来实现其功能.为了增加通信量,最新的路由器采用了与交换机相类似的分布式体系结构[1,2],如图1所示.其中,中心控制处理器仍执行路由协议(如,BGP,OSPF等)和管理协议(如SNMP,ICMP等),不过处理和转发IP分组的任务已经由输入/输出端口处理器来完成.

基于关键字和序列匹配的自动评分算法的研究

自动评分在在线考试系统中起着至关重要的作用。通过分析传统编程题在手动和自动判分过程中存在的问题,提出了一种自动评分的改进算法。新算法对关键字进行权重分析,并在预处理的基础上将序列匹配算法进行改进,使得自动评分算法既能提高效率又能降低机械匹配带来的误判。通过将该算法应用在《C语言》在线考试系统中,结果表明,该方法从时效性、准确性上都是较有效的自动评分解决方案。

海量数据流上快速Top-K子序列匹配算法研究

数据流技术在金融分析、网络监控等诸多领域得到了广泛应用,而已有的子序列匹配算法主要针对静态序列,难于直接应用到海量、高速和连续的流数据。本文在动态时间规整技术的基础上,提出了一种新颖的TopKSM算法,能渐进、实时地获取Top-K相似子序列。算法完全符合数据流"单遍扫描"的性能要求。大量的实验表明,与现有的SPRING算法相比,该算法具有更高的性能。

数字趋势序列的子序列匹配算法

针对时序数据挖掘中传统趋势序列分析的缺点,提出了数字趋势序列、趋势序列展开等概念.根据数字趋势序列的特点,使用片段斜率所对应的弧度值来度量片段的趋势.针对数字趋势序列的子序列匹配问题,设计了DTW(Dynamic Time Warping)快速搜索算法.算法分为3个部分:DTW顺序搜索、约束机制、冗余消除机制.并使用实际的股票数据对算法进行了验证.