基于最小连通邻域图的ISOMAP算法

噪音的干扰和邻域大小的不合适会在ISOMAP算法的邻域图中引入"短路"边,使其不能正确表达数据的邻域结构,从而使该算法具有较差的鲁棒性和拓扑稳定性。为此,根据最小连通邻域图能有效避免"短路"边的特点,提出了一种能有效删除"短路"边因而更具鲁棒性和拓扑稳定性的ISOMAP算法——基于最小连通邻域图的ISOMAP(MCNG-ISOMAP)算法。该算法能在一定程度上避免邻域大小难以有效选取的问题,同时还能在不依赖于邻域大小的情况下发现数据真正的固有维数。

邻域线性最小二乘拟合的推荐支持度模型

针对协同过滤推荐系统在稀疏数据集条件下推荐准确度低的问题,提出了推荐支持度模型以及用于该模型计算的邻域线性最小二乘拟合的推荐支持度评分算法(linear least squares fitting,LLSF)。该模型描述用户对被推荐项目更感兴趣的可能性,通过用高支持度的评分估计取代传统的期望估计法来找出用户更喜欢的项目,从而提高推荐的准确度,并从理论上论述了该算法在稀疏数据集条件下相对其他算法具有更强的抗干扰能力。该模型还易于与其他推荐模型融合,具有很好的可拓展性。实验结果表明:LLSF算法显著提升了推荐的准确性,在MovieLens数据集上,F1分数可达到传统的kNN算法的3倍多,对于越是稀疏的数据集,准确率提升幅度越大,在Book-Crossing数据集上,当稀疏度由91%增加到99%时,F1分数的改进由22%提高到125%。同时该方法不会牺牲推荐覆盖率,可以保证长尾项目的挖掘效果。

基于邻域分布的去噪扩散概率模型

样本有限的表格型数据缺乏不变性结构和足够样本,使得传统数据增强方法和生成式数据增强方法难以获得符合原始数据分布且具有多样性的数据.为此,文中依据表格型数据的特点和邻域风险最小化原则,提出基于邻域分布的去噪扩散概率模型(Vicinal Distribution Based Denoising Diffusion Probabilistic Model,VD-DDPM)及相应算法.首先,分析样本有限表格型数据的特征,通过先验知识选择弱相关特征,并构建样本的邻域分布.然后,利用邻域分布采样数据构建VD-DDPM模型,并使用VD-DDPM数据生成算法生成符合原始数据分布且具有多样性的数据集.在多个数据集上针对数据生成质量、下游模型性能等进行实验,验证VD-DDPM的有效性.

基于CMOS图像传感器混合噪声的自适应滤波算法

针对中值滤波导致部分图像细节损失和均值滤波出现模糊现象,设计了一种适用于椒盐和高斯混合噪声的自适应滤波算法。该算法先用最小邻域的均值和阈值判断噪声类型,然后使用加权中值滤波处理椒盐噪声,再利用拉普拉斯算子和相应阈值判断图像边缘细节,最后对高斯噪声进行加权均值滤波。实验仿真结果表明,从图像视觉效果来看,相比单独使用中值和均值滤波降噪,自适应滤波算法对图像的还原效果更好,图像细节保存较好,模糊程度相对较弱,图像更清晰。通过对比峰值信噪比(PSNR)和均方误差(MSE),对混合噪声进行处理时,滤波算法的PSNR和MSE值优于中值和均值滤波,有效还原了噪声图像。整个算法是在最小邻域空间进行,易于实现,对混合噪声的处理效果较好,为图像处理的系统集成化设计提供了技术支持。

带有测量噪声的Ⅱ型T-S模糊建模

实际工业生产过程中,系统的数据带有测量噪声。Ⅱ型模糊集的二阶隶属度用来表征一阶隶属度的模糊度,这种模糊度的增加意味着处理不确定信息能力增加。因此,提出了一种基于Ⅱ型模糊集的T-S模糊建模方法来减少由噪声带来不确定信息的影响。首先采用改进的最小邻域算法对带有测量噪声的数据进行聚类,继而确定Ⅱ型模糊集的一阶隶属度,接着根据数据的聚类信息采用高斯混和模型得到二阶隶属度值,然后用正交最小二乘算法确定模糊模型的后件参数,最后通过仿真实验来验证该方法的有效性。

改进SIFT变换与客观评价结合的图像配准算法

针对SIFT(scale invariant feature transform)算子在大幅复杂图像中提取的过多不稳定特征点及在只有少量重合区域下图像配准过程中出现的过多误匹配,导致图像配准精度下降;提出一种改进的SItT算法,在对目标图像提取SIFT特征后,利用双向BBF(Best-Bin-First)匹配算法对提取的特征点进行匹配,采用SIPT描述子的尺度以及梯度方向信息建立最小邻域匹配剔除误匹配点,通过随机抽取一致性算法(RANSAC)进一步筛选匹配点,并利用最小二乘法结合多项式近似拟合出变换模型,利用局部均方根有效值(RMS)评价映射矩阵与实际图像的误差,找出并删除引起误差的误匹配点,迭代至配准图像符合评价标准后,计算出精确变换模型。实验结果表明,该算法提高了大幅复杂图像在少量重合区域时的配准精度。

基于SIFT特征的彩色图像拼接方法研究

针对传统特征提取拼接算法在复杂图像中配准过程中出现的过多误匹配,导致拼接后图像出现鬼影、模糊等问题,从而影响拼接图像的质量,提出一种改进的SIFT配准算法;在对目标图像提取SIFT特征后,利用SIFT描述子的尺度以及梯度方向信息建立最小邻域匹配剔除误匹配点,之后利用局部均方根误差(RMSE)评价映射矩阵与RANSAC算法相结合,迭代出精确变换模型;在对图像进行几何矫正后,提出一种自适应的混合线性算法对重合区域图像变换至HIS颜色空间进行图像拼接,最后得到平滑无缝的完整彩色全景拼接图像;实验结果证明,该算法在拼接复杂场景并且重合区域不多时仍有较好的准确性及稳定性。

一种解决TSP的改进遗传算法

旅行推销员问题TSP(Traveling Salesman Problem)问题是组合优化中的经典NP难题,一些典型的遗传算法(GA)在求解TSP问题时的性能并不理想。提出基于"最小邻域接入法"CBMC(Connecting Based on Minimum Circle)思想的改进的遗传算法,并在算法中增加一些控制策略,与其他算法相比,获得了更好的性能和收敛速度。通过用中国33个省会的TSP问题对提出算法进行实验验证,结果证明了改进后的算法在收敛速度和收敛到最优解的概率都优于其他遗传算法。

一种基于Census变换的可变权值立体匹配算法

针对传统基于Census变换立体匹配算法精度不高的问题,提出了一种基于改进Census变换的可变权值立体匹配算法.在分析传统Census变换缺陷的基础上,提出利用最小均匀度子邻域均值代替中心像素灰度值进行Census变换,可有效增强算法的抗干扰能力.通过加权区域海明距离均值和标准差作为相似性测度进行立体匹配,减少误匹配,提高匹配精度并通过左右一致性检测和遮挡填充,生成最终视差图.实验结果表明,该算法鲁棒性得到增强,在深度不连续区域也可以得到准确的视差.

一种新的基于ISOMAP的数据可视化算法

作为古典MDS算法的一个非线性扩展,ISOMAP算法能较好地对嵌入在高维欧氏空间中的低维非线性流形进行可视化.然而,ISOMAP算法不但要求数据具有良好抽样且位于单一流形之上,而且还依赖于难以有效选取的邻域大小,这极大地限制了该算法的实际应用.为此提出了一种改进算法——GISOMAP,它采用MDS算法的一个变种来减弱长测地距离和"短路"边对距离保持的影响,不但能更好地对具有多聚类结构的数据进行可视化,而且对邻域大小也不再敏感,从而能更容易地得到实际应用.

一种图像复原算法的改进

本文主要的工作是对图像复原中保持边缘规整化算法做了一点改进,使得改进后的算法利用矩阵运算去解决原有算法的非线性问题.

一种基于密度的不确定数据离群点检测算法

不确定数据普遍存在于如移动计算、RFID技术和传感器网络等大量应用之中。由于不确定数据的离群点检测算法可以提高服务质量,提出一种基于密度的不确定数据离群检测算法RLOF。该算法引入一种R2-tree结构,有效降低了计算局部离群因子时的时间复杂度,同时降低了不确定数据集中的数据更新成本以及海量数据维护成本。理论分析和实验结果充分证明了该算法是有效可行的。

卫星红外图像中单帧目标检测算法研究

在有复杂云层背景的卫星红外图像中准确地检测出存在的运动目标是目前图像处理的研究热点。DBT类的运动目标检测算法有单帧目标检测和多帧轨迹关联两大步骤。为更好抑制起伏背景和背景结构边缘，文章提出一种新的单帧内背景抑制算法——邻域最小差值滤波，该算法与典型的背景预测算法（中值滤波和高通线性模版滤波）相比具有更好效果；最后针对高斯噪声条件下，利用统计分割方法对抑制背景结果进行阈值分割得到候选目标，从而形成一套针对卫星红外图像的快速有效的单帧目标检测算法。

低对比度图像高精度轮廓三维重建算法研究

为了解决低对比度成像条件下传统三维轮廓重建算法精度偏低的问题,提出一种基于邻域距离最小化准则、由粗到细的高精度轮廓三维重建算法。首先使用Canny算子对目标图像进行边缘检测,再利用目标形状、尺寸等先验信息剔除分割出的虚假目标边缘。随后,计算边缘点法线方向上的梯度加权值作为工件初始化轮廓,根据左右一致性原则筛选出粗匹配点对,在匹配点对邻域附近使用亚像素进行精细搜索,利用邻域距离最小化准则估算出当前最佳亚像素匹配点对,并将其用于激光刻形工件的尺寸测量,总体精度可达0.1mm。该方法有效降低了轮廓重建算法对边缘定位精度的依赖,同时提高了轮廓重建精度。

公理化局部有限空间中映射连续性的扩展

用公理化方法研究了局部有限空间中的连续映射及其扩张问题。给出了局部有限空间的公理化定义方法;利用邻近关系研究了局部有限空间中的连续映射、同胚和局部同胚等问题;通过对局部有限空间变形的研究,定义了局部有限空间的一种特殊收缩核,有效地解决了局部有限空间中连续映射的扩张问题。