基于感知去模糊的高分辨率破损图像修复方法

为提高修复图像的视觉效果,提出基于感知去模糊的高分辨率破损图像修复方法。将高分辨率图像样本输入卷积自编码生成对抗网络中,利用编码器降维处理并输出其低维特征矩阵后,由解码器对其升维并解码,最终采用生成器完成映射学习。通过不断搜寻,获得与输入高分辨率图像L_(1)距离差异最小的生成图像,由判别网络对其作真假判断,实现高分辨率破损图像的粗修复后,再将其输入感知去模糊网络模型中,增强图像细节信息后实现高分辨率图像修复。实验结果表明:该方法修复后的高分辨率图像细节丰富、颜色自然、视觉效果突出。

基于自组织特征映射的聚类集成算法

为改善单一聚类算法的聚类性能,提出一种基于自组织特征映射(SOM)的聚类集成算法。该算法利用多个具有差异性的聚类成员,将原始数据集转换成一个新的特征空间矩阵;然后计算各个聚类成员的聚类综合质量,并将其作为新特征空间矩阵的属性权重,最后利用SOM神经网络进行集成,产生最终的共识聚类结果。实验结果表明,与集成前的基聚类算法和其它聚类集成算法相比,该算法能够有效地提高聚类质量。

一种基于改进TDD模型的空间场景相似性度量方法

针对计算空间场景相似性的TDD(Topology-Direction-Distance)模型的局限,提出一种基于改进的TDD模型来度量实体数目相同的场景相似度的算法。该算法以TDD模型的思想为核心,首先利用维度扩展的9交模型、详细方向关系矩阵模型和距离定量描述方法分别提取空间场景中的实体间拓扑、方向和距离特征,建立空间场景特征矩阵,实现对空间场景的表达;然后结合拓扑、方向关系的概念邻域方法和欧式距离,构建针对矢量面数据空间场景相似性度量模型;利用场景相似性度量模型进行空间场景相似性匹配;最后以深圳市福田区矢量面数据为例进行实验。实验结果表明该方法能有效度量空间场景的相似度。

一种行业领域词库标识树的正确性检测算法研究

在知识挖掘应用中,行业领域数据识别是知识挖掘的重要过程。对大量的行业领域数据进行数据识别需要借助领域词库标识树来完成,而影响数据识别准确率的重要因素是领域词库标识树构建的正确性。领域词库数据量一般很大,以其构建的领域词库标识树结构复杂,在复杂结构的标识树中通过已有的检测方法判断其正确性往往很困难。为了解决这个问题,提出一种词库标识树的正确性检测算法。该算法通过构建词库特征向量空间矩阵,计算树节点的相关性系数来自动检测树节点构建的正确性,同时可以根据判定阈值来确定正确性判定范围。实验结果表明,无论树结构如何复杂,该算法都能高效准确地实现标识树的正确性检测和发现错误。