自动加权多图正则化L_(p)光滑非负矩阵分解算法

针对多图正则化非负矩阵分解忽略了因子矩阵的光滑性以及图正则项参数选取困难的问题,建立了自动加权多图正则化L_(p)光滑非负矩阵分解(AMGSNMF)模型。该模型根据数据之间的几何结构自动地选取图正则项权重,且通过增加因子矩阵的光滑约束提升解的准确性。使用乘性更新的方法得到所建模型的算法——自动加权多图正则化L_(p)光滑非负矩阵分解算法(AMGSNMF)。将AMGSNMF算法应用于数据聚类,在数据集COIL20和ORL上的实验表明,AMGSNMF算法比四类经典的非负矩阵分解算法聚类精确度提升了0.4%~11.44%,归一化互信息提升了0.53%~3.86%。

量测噪声自动加权Kalman滤波

从Kalman滤波技术的稳定性出发,分析了Kalman滤波算法的实质及容易发散的原因。提出在Kalman滤波中引入系统量测噪声协方差阵(R)的计算,并对其加权,从而影响滤波增益,抑制发散。推算舰位/GPS 组合导航的应用仿真表明:量测噪声自动加权Kalman滤波算法对系统模型误差和量测噪声协方差误差具有良好的自适应性。

K邻域分块自动加权的单样本人脸识别算法

在人脸识别问题中,当每类训练样本有且仅有一个时,由于类内缺乏足够的特征变化信息来预测人脸复杂的特征变化,从而导致常用分类算法的识别准确率急剧下降。目前最好的解决方法大致可分为两类:一是生成虚拟的训练样本以扩大训练集;二是学习稀疏变化字典以表示复杂特征变化。针对此问题,在引入稀疏变化字典来表示人脸复杂特征变化的基础上,提出一种基于K邻域分块自动加权的单样本识别算法。通过对测试样本进行分块,然后对每一个子分块求K邻域分块,以组成虚拟的同类别测试样本集;同时提出了一种自动加权策略,对这些分块在分类中的比重进行加权,最后通过一种改进的投票机制确定分类结果。通过与已有的单样本识别算法进行比较,并在公共人脸数据库AR、CMU Multi-PIE和ORL上进行实验,结果表明该方法有助于提高单样本识别问题的分类准确率。

主题词自动加权与其计算机实现方法的研究

主题词自动加权方法的讨论,是现代情报检索理论在计算机中实现的一个重大问题,该方法的研究对于将现代情报检索模型用于中文科技情报自动检索,具有积极的促进作用和实用意义。

基于预测强度的变量自动加权K-Means算法的研究与应用

为了克服传统K-Means算法k值不能确定问题和不具备变量自动选择能力,将预测强度和变量自动加权K-Means算法相结合,提出基于预测强度的变量自动加权K-Means算法。预测强度表示聚类模型对未知数据的预测能力,预测能力越强,则聚类结果越佳,主要用于k值的确定;变量自动加权K-Means算法具有在聚类过程中自动调整变量权重的能力,对于噪声变量和冗余变量削弱其对距离的贡献,使聚类结果反映最真实的聚类结构。实验表明,算法具有较强的分类能力和预测能力。

基于自动加权法的扩展卡尔曼滤波数据融合算法研究

在雷达组网系统的数据融合过程中使用扩展卡尔曼滤波容易出现发散现象。文章针对扩展卡尔曼滤波器发散的难题,提出了一种基于自动加权法抑制扩展卡尔曼滤波发散的新思路。首先利用自动加权法判断出扩展卡尔曼滤波器是否发散;然后根据判断结果对扩展卡尔曼滤波器进行相应的处理。从而减少扩展卡尔曼滤波器发散对滤波估计的影响,大大地提高数据融合算法中扩展卡尔曼滤波器的精度,使算法能更好地完成雷达组网的数据融合功能。

加权有限自动机的幺半群

讨论了加权有限自动机的变换幺半群,并通过加权有限自动机的同余关系,提出了语法幺半群的概念,给出了语法幺半群有限的条件,并建立了变换幺半群与语法幺半群之间的关系。最后讨论了加权有限自动机的转移幺半群。

加权有穷自动机的代数性质

在加权有穷自动机理论基础上,利用强同态的概念,证明两个加权有穷自动机在计算能力上是等价的,并在加权有穷自动机的状态集上建立一种等价关系,得到加权有穷自动机的商自动机,证明加权有穷自动机与其商自动机在计算能力上也是等价的。并通过引入加权有穷自动机的可交换性、分离性、(强)连通性及层的概念,讨论在(强)同态的条件下,两个加权有限状态机之间的可交换性、分离性、(强)连通性及层的关系。

取值于赋值幺半群的加权下推自动机的代数性质

引入取值于赋值幺半群的加权下推自动机、标准型加权下推自动机的定义,证明了在双幺赋值幺半群框架下,加权下推自动机与标准型加权下推自动机相互等价,且以终态方式与以空栈方式识别语言的加权下推自动机能够识别相同的形式幂级数;在Cauchy双幺赋值幺半群上,加权上下文无关语言对于和、连接、正克林闭包运算封闭。结果表明加权下推自动机的诸多性质并不依赖于赋值幺半群的分配律和结合律。

数字图像的加权有限自动机表示

传统的图像压缩技术JPEG方法采用小波变换、离散余弦变换等方法进行,文中所使用的方法是与JPEG技术完全不同的方法[1],在用字母表上的字表示像素地址的基础上把每个像素的地址映射为一实数,则可以得到多分辨率灰度图像的加权有限自动机表示方法,该方法的有效应用将使图像压缩[1~7]的比例得以提高.

学习加权自动机

为了扩展自动机的学习范围,提出了在理论上将加权自动机的学习能力从域扩展到有限半环的方法,在这个扩展的基础上,提出了一种基于精确学习模型的学习算法。针对该算法分析得出并不高于已有学习算法的时间复杂度,基于扩展了的定义域给出可以学习的实例,通过实验给出了一套对比学习确定加权自动机算法的实验结果,对状态缩减程度进行了说明和分析,阐述了该算法的正确完备性和更广的适用范围。

带空移动的加权有限自动机量化等价及其转换

在经典的有限自动机理论中,带空移动的有限自动机与不带空移动的有限自动机是等价的。取值于实数的加权有限自动机是自动机的一种推广模型,它给经典自动机的每个转换赋一个取值于实数的权值,这些权值表示执行转换的代价。为了研究带空移动的加权有限自动机与不带空移动的加权有限自动机是否具有等价性这一问题,提出量化等价的概念,并研究如何将一个带空移动的加权有限自动机转换为一个与之量化等价的不带空移动的加权有限自动机。研究结果表明:这两者是量化等价的。

几类带空转移的n元伪加权自动机的关系

引入了n元伪加权有穷自动机——带有n个有限字符集的伪加权有穷自动机、分明型n元伪加权有穷自动机和确定型n元伪加权有穷自动机的概念。根据状态转移函数在每个字符集上是否带空转移,将以上自动机分为4类:带r-型空转移的n元伪加权有穷自动机和带空转移的n元伪加权有穷自动机和带r-型空转移的分明型n元伪加权有穷自动机和带空转移的分明型n元伪加权有穷自动机。给出了以上自动机所识别语言的定义并探究了它们之间的关系,讨论了状态转移函数在每个字符集上是否带空转移对其接受语言的影响。

加权有限自动机在灰度图像中的应用

将WFA(加权有限自动机)作为灰度图像的描述工具,概括了如何从输入的图像计算相应的WFA(编码)以及如何从WFA出发画出其所定义的图像(解码)。编码算法的新颖之处在于它从数学角度出发,利用的原理是状态图像的子块图像可以被自动机中状态的线性组合来表示。基于线性代数的算法更加高效简洁。

几种文献自动标引方法的讨论

本文详细讨论了几种文献自动加权标引方法，比较了二值标引和加权标引，介绍了逆文献频率加权标引，词区分值加权标引，词相关性标引，价值测度加权标引等。

基于矩形区域重叠分块加权的图像检索

为了有效地描述图像的颜色空间分布信息并进行图像检索,提出了一种基于矩形区域重叠分块加权的图像检索方法。该方法首先裁剪待检索图片和图像库图片,得到由图像中心到外,包含小、中、大三个矩形的图像和图像库;其次分别计算三个矩形区域的彩色直方图特征及其相似度,根据空间距离度量从小到大排序;最后引入人机交互的反馈机制,根据用户的输入参数多次反馈,在用户感兴趣的图像区域检索。仿真实验结果表明,相比于均匀分块直方图算法和环形分块算法,当检索主体信息处于边缘的图像时,提出算法的图像检索率更高。提出的算法可以有效地描述图像的颜色空间分布信息并进行图像检索。

布尔型文献检索系统的概率加权模型

以概率论为基础,给检索词或索引词自动加权而提高文献检索效率的概念,早在二十年前就已经提出并一直在研究着。过去,主要是使用自动词的检索系统,将检索词简单地OR(或)结合进行检索,也就是用简单词组配(Simple termmatc-hing)方法进行。现在这里要介绍的,则是使用AND(与)结合的布尔逻辑检索。

取值于赋值幺半群的加权正则文法语言

正则文法是研究自动机的重要工具。引入取值于赋值幺半群的加权正则文法、加权类正则文法的定义,讨论了赋值幺半群上加权正则文法、加权类正则文法和加权有限自动机(WFA)的关系。证明了在赋值幺半群上,已知一个加权正则文法或加权类正则文法,分别存在一个WFA与之等价。定义了可分配的赋值幺半群,证明了在可分配的赋值幺半群上已知一个WFA,存在一个加权正则文法和加权类正则文法与之等价,即证明了可分配的赋值幺半群上加权正则文法、加权类正则文法和WFA在生成语言上等价,并举例说明了赋值幺半群的可分配性不是已知WFA存在与之等价的加权正则文法或加权类正则文法的必要条件。

元胞自动机压缩算法仿真卫星云图

为减小计算复杂度和提高压缩比,提出基于方块编码和可逆元胞自动机结合的二值图像压缩算法来仿真卫星云图简单实用的元胞自动机编码表示方法。并针对卫星云图特性和业务实际,提出搜索和统计云图元胞邻域的状态集合,改进加权有限元胞自动机算法,对卫星云图数据进行压缩。实验表明,两种编码方法都能有效地减小计算复杂度,提高压缩比。峰值信噪比(PSNR)在30 dB左右,RCA-BTC算法压缩率可以达到15,图像重建仿真效果良好。

一种多项式时间的路径敏感的污点分析方法

提出了一种解决静态污点分析方法在进行路径敏感的分析时面临的路径爆炸的问题的方法.该方法将污点分析问题转化为加权下推自动机的广义下推后继问题,进一步利用污点数据在程序中的可达性,减少后续分析中需要精确执行的路径数.从而该方法能够以多项式的时间复杂度实现程序状态空间遍历,并能在发现程序违反安全策略时自动生成反例路径.设计实验使用该方法对击键记录行为进行了刻画,对恶意代码程序和合法软件进行了两组分析实验,并与现有的方法进行了对比分析.实验证明本文的方法可以有效地对具有较多分支的程序进行路径敏感的污点分析。