基于均值差分缘检测和单链聚类的实时车牌定位算法

提出了一种快速有效的车牌定位算法。在该算法中,首先给出了一种新型的实时边缘检测算法——均值差分算法。在此基础上,利用快速游程算法获得边缘图中的所有连通分量,然后使用多种几何形态特征,过滤掉明显不属于车牌字符的连通分量。最后,利用单链聚类算法,根据连通分量的特征信息进行聚类分析,获得最终的候选车牌。利用工程中的实际数据进行了实验,并做了精确度、运行时间、算法效率的分析。实验结果表明:基于均值差分和单链聚类算法的实时车牌定位算法精确度高,运行时间短,可以应用到实时车牌识别系统中。

基于单链接聚类过滤法的均值方差模型

为了消除由于估计收益率数据的时间序列的有限性而导致马克威茨均值-方差模型的统计不确定性,采用基于单链接聚类过滤法的均值-方差修正模型。选取上证50成分股2004～2007年的日数据,对修正前后的模型进行了实证对比分析发现:(1)修正后模型投资组合的可靠性系数比修正前模型的平均低0.067;(2)修正后模型投资组合估计风险和预测风险分别比修正前模型投资组合平均低0.096和3.329;(3)修正前模型投资组合的有效大小比修正后模型投资组合小0.0321,表明其风险分散程度更低。这在某种程度上表明:修正后模型要优于修正前模型的投资组合。

基于邻域参数动态变化的局部线性嵌入人脸识别

为了增强局部线性嵌入(LLE)算法对人脸识别中特征的分类性能,将最小生成树算法思想引入,提出一种邻域参数动态变化的新的局部线性嵌入算法。该算法采用单链聚类算法以及对其进一步优化自动确定数据点邻域,改善了一般局部线性嵌入算法固定邻域的不足,及其处理现实中大量非均匀源数据集失效问题的缺点。将改进后的算法结合支持向量机(SVM)分类器进行人脸识别,在ORL和YALE人脸数据库的平均识别率得到较高提升。仿真实验结果验证了该算法的有效性。

基于摘要的web内容挖掘研究

Internet是一个巨大的,分步广泛的,动态性强的全球信息服务中心,人们想在它上面找到想要的相关信息是很困难的,一般用户通过给搜索引擎提供简短的关键词来检索信息,但是通过搜索引擎返回的相关结果太多,这使得处理相关结果太耗时,本文提出了一种语义虚拟文档(SVD)来表示web文档,在此基础上实现了凝聚层次聚类算法,以自动聚类内容相似的web文档。结果:一方面使网络用户增强了相关结果的判断处理,同时使用户快速、高效的从Internet上发现想要的信息,另一方面返回的结果在知识表示上增强了web内容挖掘。

基于单纯形梯度的多起点全局优化算法

用已知样本点信息构造单纯形梯度及插值函数,提出一种基于单纯形梯度的局部搜索算法.该算法结合有效样本点集Ω的混合选取策略,改进了多起点聚类全局优化算法.结果表明,新算法在效率和稳定性方面均有较大改进,并可有效处理原算法针对"窄谷"类函数估值次数过高的问题.

一种基于图像矩和纹理特征的自然场景文本检测算法

文本检测是许多文本识别应用的必要前提,有效地在自然场景图像中检测定位文本能大大提高文本识别的效率.针对现有研究中存在文本检测率不高的问题,利用字母与非字母在Hu矩特征上的差异性和文本与非文本在纹理特征上的差异性,提出了一种基于矩和纹理特征的自然场景文本检测算法.该算法首先通过提取最大稳定极值区域(MSER)找出自然场景图像中存在的候选字母;其次,为了有效地删除非字母候选对象,算法在字母分类器中引入Hu矩特征刻画候选字母的几何特征;接下来算法利用自然场景图像中文本具有相似性的特征,通过单链接聚类得到候选文本;最后针对文本和非文本候选的纹理差异,在文本分类器中引入共生纹理特征以删除非文本候选.实验结果表明,与同类算法相比,该算法在召回率和f_measure值上有较大的提高,因此是一种有效的检测方法.

线性回归模型的多离群点检测方法及节能应用

办公设备能耗可使用线性回归模型进行描述,为检测该类能耗数据的异常点,提出了基于最小截平方和估计的单链接层次聚类多离群点检测算法.首先将该方法在不同类型的典型数据集中进行验证,证明算法具有优良的性能.而后将算法应用于办公设备能耗数据集,通过实验表明算法处理淹没问题及掩盖问题的能力优于其它算法.其不但能够正确确定异常能耗数据,还能够直观地给出各个异常能耗数据的离群程度,管理者可据此制定正确合理的能源管理方案,最终达到节能的目的.