一种基于最大相似性的TSP问题求解算法

提出了一种新的基于最大相似性的TSP问题求解算法。该算法在最近邻算法(Nearest-Neighbor Algorithm)的基础上作了改进,将最短路径问题转换为最大相似性问题,即将问题由选取城市 ij+1= arg min{djk:k ∈V\ {i1, i2,…,ij}} 转换为选取城市 ij+1= arg min{wjk:k ∈V\ {i1, i2,…,ij}} ,wjk 为城市i与城市j之间的相似系数。实验结果表明,该算法简明且具有较好的有效性。

基于MSRM算法的感兴趣目标物提取

该文设计一个完成对照片中感兴趣目标提取的系统,即从背景中分割出对象,并对目标轮廓进行标记。首先,基于Mean shift方法对原始图像的初始分割。结合图像的颜色、纹理等特征,将相似性较高的像素点划分到同一块分割区域中,建立信息函数对像素块进行数值化表示。然后,根据最大相似性原理对图像碎片进行合并。通过半交互方式标记目标区域和背景区域,根据像素间相似性取值分别进行合并,相似性较高的区域合并为一个更大的分割块,经过多次迭代后实现目标对象与背景的分离。最后,选取6组不同复杂程度的图像进行目标提取。实验结果表明,该方法能够可靠地从复杂背景中提取目标轮廓。

模板匹配方法在高速目标跟踪中的应用

提出了一种用于高速目标跟踪的快速识别算法.根据图像目标与背景的特点,摒弃传统的逐点扫描方法,设计了一种“十字”匹配模板,根据待识别区域与“十字”模板的灰度差进行目标识别;为了提高识别速度,对目标图像进行二值化处理,采用逻辑运算获得模板与目标的相似性测度,通过相似性测度与阈值的比较,进行遍历点的跳跃.仿真结果表明,该算法大大提高了识别速度,实现了对高速摄像机拍摄角度的控制,进而对目标进行实时跟踪.

地震属性与速度不确定性的关系探讨

探讨了海上数据集中速度的不确定性与AVO有关的地震属性之间的关系。利用初始速度模型,可以产生它的扰动。对每一速度扰动,叠前波动方程偏移可应用于数据中。在偏移后的CMP道集中,应用相似性图分析来测量速度的相干值。同时,偏移后的CMP道集中的几种地震属性也能计算出来,包括AVO截距、AVO梯度以及远近偏移距叠加。在研究的CMP范围内,对属性与速度相干值的交会图所产生的初步结果进行分析可知,对于最大相似性相干类方法而言,相干值越低其属性值越分散;相干值越高其属性值越集中。

音高组织的逻辑——试析丁善德《小序曲与赋格四首》之三《序曲——雀跃》

丁先生这首精致的小品,我感到在他的作品中是相当别致的。首先,这首托卡塔似的乐曲不仅用了大量的非三度迭置和弦结构,而且没有明确的调性。它的调性,即使按照兴德米特那种十分广泛的调性理论来分析,也是相当不明确的。但另一方面,音乐的织体结构却非常工整,工整得有点象韦伯恩的《钢琴变奏曲》(Op.27)了。象这种几何图形似的织体结构在传统音乐中虽然不能说根本见不到。

论勋伯格《钢琴小品六首》Op.19No.6集合的结构力

以往一些理论家认为自由无调性音乐是"松散"的,是没有结构力或缺乏结构力的;本文用阿伦·福特的音级集合理论来分析勋伯格无调性时期的代表作之一《钢琴小品六首》Op.19No.6,试图揭示作品的统一关系,从而证明其结构力的存在。

Mining maximal pattern-based subspace clusters in high dimensional space

The problem of pattern-based subspace clustering, a special type of subspace clustering that uses pattern similarity as a measure of similarity, is studied. Unlike most traditional clustering algorithms that group the close values of objects in all the dimensions or a set of dimensions, clustering by pattern similarity shows an interesting pattern, where objects exhibit a coherent pattern of rise and fall in subspaces. A novel approach, named EMaPle to mine the maximal pattern-based subspace clusters, is designed. The EMaPle searches clusters only in the attribute enumeration spaces which are relatively few compared to the large number of row combinations in the typical datasets, and it exploits novel pruning techniques. EMaPle can find the clusters satisfying coherent constraints, size constraints and sign constraints neglected in MaPle. Both synthetic data sets and real data sets are used to evaluate EMaPle and demonstrate that it is more effective and scalable than MaPle.