互信息医学图像配准中PV插值算法的改进

基于互信息的医学图像配准算法中,传统的部分体积插值法(PV)使互信息函数在像素整数倍位移处产生局部极值,使优化算法陷于局部最优解,从而导致错误配准。提出用Blackman-Harris窗sinc函数作为核函数,对传统PV插值法进行改进,同时将参与插值的邻域点从4个增加到16个,有效消除了局部极值,得到了光滑的互信息函数曲线。具体配准实验证明,该方法可行,且有更高的鲁棒性。

基于k-means和决策树的混合入侵检测算法

随着网络复杂度的增加,传统的入侵检测方法已经无法满足日益增长的安全需求。采用大数据的挖掘算法提高入侵检测的检测率是当前研究的热点。为此,本文提出一种基于k-means和决策树算法的混合入侵检测算法(KDI)。该算法首先对数据预处理的离散化方法进行改进,获取高质量样本数据,并根据现实中易出现类别信息增益比差异小的特点,利用k-means算法根据增益比差异将样本数据先分类再建立决策树,提升了算法的检测率。实验结果表明KDI算法能够有效地检测网络数据中隐含的已知和未知的入侵行为。