基于模糊模型相似测量的字符无监督分类法

该文提出一种基于模糊模型相似测量的文本分析系统的字符预分类方法 ,用于对字符的无监督分类 ,以提高整个字符识别系统的速度、正确性和鲁棒性 .作者在字符印刷结构归类的基础上 ,采用模板匹配方法将各类字符分别转换成基于一非线性加权相似函数的模糊样板集合 .模糊字符的无监督分类是字符匹配的一种自然范例并发展了加权模糊相似测量的研究 .该文讨论了该模糊模型的特性、模糊样板匹配的规则 ,并用于加快字符分类处理 ,经过字符分类 。

基于模糊相似测量和模糊映射改进的模糊支持向量机对不确定性信息处理

针对传统模糊支持向量机(FSVM)对于不确定性信息处理的局限性,提出一种基于模糊相似测量和高维空间模糊映射的改进模糊支持向量机方法。首先,构建不确定信息集的模糊相似测量函数,从不确定性信息本质出发,利用Gregson相似度,构建具有模糊特征的相似测量函数;然后,根据空间映射理论,将模糊相似测量函数应用于FSVM,构建满足Mercer理论的FSVM相似内核;最后,利用该方法对旋转超声加工中材料切屑率(MRR)中的不确信性信息进行建模。对比具有传统内核的FSVM,所提方法能够利用较少的运算步骤完成较好的不确定性信息处理,有效提高不确定信息处理的准确性,且计算复杂度低。

基于模糊规则和相似测量的手写汉字预分类法

文章提出了一种手写汉字预分类的新方法,该方法分两步进行,首先提取笔划密度特征并用模糊规则产生四个预分类组;然后通过模糊逻辑处理将各组字符分别转换成基于非线性加权函数的模糊样板并通过基于模糊相似测量的匹配算法、相似性测量样板的分级分类进行预分类。测试结果表明,该方法效果良好,预分类正确率达到98.17%。

基于SEART网和模糊相似测量的手写汉字预分类法

提出了一种手写汉字预分类的新方法.该方法分2步进行,首先采用有监督的扩展ART神经网络(SEART)产生一定数量的预分类组,然后通过模糊逻辑处理将各组字符分别转换成基于非线性加权函数的模糊样板,并通过基于模糊相似测量的匹配算法、相似性测量样板的分级分类进行预分类.测试结果表明,该方法效果良好,预分类正确率达到98.19%.

一种基于相似测量的模糊推理方法

本文提出一种基于两个向量适配函数进行模糊推理的新方法，讨论了单输入单输出（ＳＩＳＯ）系统和多输入多输出（ＭＩＭＯ）系统．这种方法克服了传统Ｍａｍｄａｎｉ推理中存在的“信息丢失”现象，对模糊推理方法是一种重要的改进．

一种基于相似度测量的新垃圾邮件发现机制

分析新垃圾邮件发现的意义,设计用来发现新垃圾邮件的相似度测量算法——Spam-SMA,该算法使用N元字串(N-Gram)作为比较用特征,基于该算法,在规则判分的反垃圾邮件框架下,提出1种新垃圾邮件发现机制,并通过对SpamAssassin的扩展实现了该机制。在邮件服务器上进行了多次实验,结果证明,该机制可有效实现新垃圾邮件的发现。

基于公交IC卡数据的车辆运行方向相似性测量研究

在公交IC卡数据挖掘中,为了获取乘客流量及流向等信息,需要获知每个班次的运行方向.本文通过对公交IC卡数据的聚类分析,将IC卡数据解析成单班次站点客流数据,利用基于时间序列的相似性测量算法(相关性测量及动态时间扭曲法),测量单班次数据与经验数据的相似性,从而获取班次运行方向.研究结果表明,在线路客流方向性差别明显时,相似性测量方法精度较高.且经过数据聚类后,相关性测量法与动态时间扭曲法在计算精度与运算速度方面表现相近,适用于客流方向性差别较明显的公交线路.

聚类分析中相似性测量方法的研究

聚类是数据挖掘中的主要方法，讨论了在大多数聚类算法中的相似性测量方法，并以属性的类型作为选择相似的标准，阐述了用于数值属性，符号属性及混合属性相似性测量方法。

基于图像相似性测量的移动机器人定位研究

Hausdorff距离可以用来测量出图像之间的相似程度 ,在图像匹配、模式识别有广泛的应用。文中报告了 Hausdorff测量在移动机器人定位方面的研究结果。研究了全向成像系统结构、Hausdorff分数测量在定位中的应用等内容 ,较好地解决了环境部分遮挡时的定位问题。研究结果在移动机器人平台上试验取得了较好的效果。

目标识别的相似性测量方法

相似性测量是图像后期特征匹配的关键步骤,本文深入研究了特征向量顺序比对和交叉比对方法的差异,并以形状上下文提取的图像二维直方图特征为基础,分别结合x2距离、推土机距离和扩散距离三种不同的相似性测量方法对多种图像标准库进行了识别验证.

多维数据特征相似性测量的目标预测方法

针对于与多维数据属性特征强关联的目标值预测,提出了一种新的预测方法。不同时间节点的多维属性数据特征具有维数高的特点,文章将多维属性数据转化为特征向量的直方图分布,通过推土机距离的两两特征向量的相似性测量,将其转化为模式识别分类问题。进而以首位时间节点为基期,建立各节点的差异性时间序列以代替原高维属性面板数据,最后利用支持向量回归机对目标值拟合预测。实验结果表明,该方法能够有效地对原高维数据进行冗余整合,所建立的新差异性时间序列能够较为完整地表现原数据特征,实现目标向量的预测。

基于区域相似性测量的CT/PET图像配准

以区域相似性为匹配测度,运用改进的分割方法.结合Powell寻优算法实现了CT／PET多模医学图像配准。实验结果表明,该算法易于实现,配准速度快,精度高,鲁棒性较好。

基于图像检索的三种相似性测量算法的比较

文中在分析和总结现有的技术和系统的基础上,对基于颜色特征的图像检索进行初步探讨。在对颜色的基本属性及各种颜色空间进行研究后,实现了颜色直方图、颜色矩等颜色特征的提取,实现并比较了相似性计算中几个距离算法。通过MFC平台,实现了自己的基于颜色特征的图像检索系统(CBIR)。该系统能够从文件夹存储的图像中提取颜色特征,与样本图像的颜色特征进行比较,实现了多种颜色特征提取算法,速度比较快,查准率、查全率较好。

基于正弦函数的直觉模糊集相似度测量及其应用

相似度测量是度量两个直觉模糊集相似程度的重要方法,现已有很多测量公式被相继提出,但现有的部分公式在一些实际应用中会出现无法归类或计算过程相对复杂现象。针对这种问题,通过对Tian提出的余切相似度测量方法的研究,同时考虑隶属度、非隶属度和犹豫度三个方面信息,提出了两个正弦相似度测量公式,证明了公式的正确性,并用几组数值例子将其与其它测量公式进行比较分析,验证了新公式的合理性。最后通过实例说明了该方法的有效性。

基于智能感知相似度测量的图像提取

相似度测量是图像分类和提取的重要内容。良好的相似度测量方法应该能以给定的图像特征类型从数据库中检索到相似图像,并在检索中丢弃不相关图像。基于距离的相似度测量,仅反映了高维特征空间中两个特征向量之间的空间距离,缺乏任何感知意义,而且还忽视了相似度决策过程中邻域的影响。新的感知相似度测量方法,既可以测量特征空间中两个图像间的距离,又能表达图像间的视觉相似性。实验数据表明,与常用的基于距离的相似度测量相比,新提出的相似度测量方法具有明显著优势。

基于相似度量的模糊支持向量机算法研究

基于统计学习理论,核被看做是一种相似度测量模型.核函数是支持向量机算法的核心,利用核函数可以将低维不可分数据映射到高维空间,并进行最优分类研究.但孤立点或噪声数据都会影响最优分类平面和最优分类函数,所以提出利用相似度测量构建模糊核函数.相比高斯核函数和模糊sigmoid核函数的分类支持向量模型,本文提出的模糊相似核函数在支持向量机运算中计算成本最低,可以提供更高的准确率,同时可以避免传统模糊核函数的限制.

2D/3D多模态医学图像配准算法研究

2D/3D多模态配准在医学影像导航手术中起着重要作用,主要用于提供术前三维图像和术中二维图像的实时信息,帮助医生精准定位病灶,规划手术路径,从而提高手术的安全性和效率。提出了一种2D/3D多模态医学图像配准算法,首先利用Swin Transformer优秀的特征提取能力,构建了初始姿态估计模型,实现姿态参数的快速预测;接着,为了提升整个配准方法的鲁棒性,引入基于Grangeat关系的粗配准方法;最后设计了基于梯度下降的精配准模块,以提升整个配准过程的精确性,且在该模块将Sobel微分算子与归一化互相关结合,提升了参数优化过程中的灵敏度。实验结果表明,所提配准方法在正位和侧位配准中的误差满足配准要求,配准成功率有显著提升。

基于视觉阈值的结构相似度图像质量评价算法

针对空间域结构相似度测量(image measure of structural similarity,SSIM)没有考虑人类视觉系统亮度掩蔽和对比度掩蔽对视觉感知的影响,提出基于人类视觉阈值理论的结构相似度图像质量评价算法(visibility threshold SSIM,VTSSIM).通过计算局部标准方差,将图像分为平坦区域、细节区域和一般区域;基于图像视觉阈值的临界可视误差分布,确定平坦区域中的亮度掩蔽极端区域和细节区域中的对比度掩蔽极端区域;分别对这两个极端区域及其他区域进行视觉阈值加权处理,得到整幅图像的质量评价.结果表明,VTSSIM比SSIM更符合人眼视觉特性,尤其适合评价失真较小的图像.

基于孤立森林的多离群点数据检测算法设计

精准找出异常离群数据有利于确保大规模数据在应用中的精确度,为此,设计了基于孤立森林的多离群点数据检测算法。首先,采用近似符号聚合算法处理大规模数据的多条件时间序列,再通过计算欧氏距离分析多条件时间序列的相似度,而后采用加权调整法调整相似曲线,剔除其中的异常数据,完成对大规模数据的清洗;利用清洗后的数据构建孤立树形成孤立森林,将待检测数据作为孤立森林的输入量,通过计算数据样本点到每棵树根节点的距离,实现对离群点数据的检测。实验结果表明:该算法能够有效地检测出离群点数据,在针对大规模数据离群点的检测时,检测结果精确度较高。

基于非高斯信息的JITL软测量模型

为了有效监控具有非高斯数据特性的工业过程,提出了一种新的基于非高斯信息的JITL(Just-In-Time Learning)软测量模型.首先通过非高斯非相似度测量选择JITL局部建模样本;然后建立局部ICA-PLS回归模型实现工业过程质量变量监控.该方法从局部建模样本选择到局部回归模型建立能够有效处理工业过程数据的非高斯特性,并且保留了JITL建模的优点,能够有效地处理工业过程时变特性以及非线性.通过硫回收处理过程的应用,验证了方法的有效性.