基于信息增益比率分类的多Agent序贯拍卖模型

大多数序贯拍卖模型中的标的只具有一个属性,本文构造了一个标的兼有共同价值和私人价值两个属性的序贯拍卖模型。考虑在拍卖过程中公开标的信息,分别给出此模型下买家Agent在第一价格密封拍卖规则(The First Price Sealed Auction,FPSA)和第二价格密封拍卖规则(The Second Price Sealed Auction,SPSA)中的竞价策略函数。提出一个基于标的信息增益比率的分类算法LIWNB,使得买家Agent在提交竞价时能准确分类当前拍卖信息,精确估计标的的共同价值。实验结果显示,算法LIWNB在一定条件下具有较高的分类性能。

基于决策树的多媒体视频关键帧实时提取方法研究

多媒体视频关键帧的提取影响视频的整体效果,为便于用户更加快捷浏览、检索感兴趣视频,提出基于决策树的多媒体视频关键帧实时提取方法.利用信息增益比率确定多媒体视频中的关键帧特征,通过ID3决策树确定关键帧特征选取的准则,将被评价为最高信息增益比率的关键帧点当作最新节点进行子树繁衍,采用聚类算法离散化处理ID3决策树的连续属性值,并将选择的关键帧特征输入优化后的ID3决策树,进行关键帧特征分类,实时提取多媒体视频关键帧.实验结果表明:该方法可有效提取代表性视频关键帧,在各类攻击下特征提取准确率始终高于96.9%,并能够准确提取海量多媒体视频关键帧.

基于K-means的视频智能存储算法

智能存储是指将视频序列分割成几个完整的部分,方便客户回溯、查找可疑信息和视频后期处理,对于纯背景画面或者是那些长时间几乎没有变化的画面,选择放弃存储,在节约存储代价的同时也精简了视频序列。以摄像头异常检测为基础,在视频监控阶段提取视频图像的特征,利用K-means聚类算法将帧图像分门别类、然后将其存储到事先准备好的标签下,形成标准的视频文件。其过程包括动态特征提取、利用聚类算法进行聚类、将视频帧图像分类存储。