基于质心距离增量矩阵的曲线描述和匹配

图像中物体轮廓线的描述和辨识是图像理解的一个核心问题,提出了一种新的快速的轮廓线描述和匹配方法。该方法不是把曲线中的每一点都进行了描述和匹配,而是按照最小面积法则对曲线进行采样,用采样点与质心的距离增量为每一个采样点赋予一个身份向量,通过所有采样点的身份向量来构造曲线的质心距离增量矩阵以描述曲线,最后利用两条曲线的质心距离增量矩阵的差异度来度量它们的相似性。实验证明该描述方法不仅具有很好的唯一性,而且相比目前已有算法计算量大大减少。该方法的一个实际应用在于将一个地区的SAR图像与地图相匹配。

基于质心距离和密度网格的数据流聚类算法

针对基于密度网格的数据流聚类算法D-Stream存在的缺陷,提出了基于质心距离和密度网格的数据流聚类算法CDD-Stream。该算法分为在线、离线以及历史簇查询3个部分。在线部分通过各网格单元的数据量、密度以及存在的网格数来计算加权平均密度,基于加权平均密度动态设置网格单元的密度阈值和时间间隔gap;采用新的簇边界判定方法,依据稀疏网格与其邻接稠密网格的质心距离,将稀疏网格归并到相应的簇中,在一定程度上避免了簇边界的误删,提高了聚类精度。离线部分使用金字塔时间模型存储网格帧,供用户查询历史簇,查询结果可以为用户进行簇演化分析提供依据。与D-Stream算法和NDD-Stream算法的对比实验结果表明,CDD-Stream算法在数据流对象上有更好的聚类时效性和更高的聚类精度。

一种基于双重距离尺度的高维索引结构

为了提高高维数据相似查询的效率,提出一种基于双重距离尺度(DDM)的新型高维索引结构.通过建模得到该DDM的四元组数据结构,对于高维空间中的数据点,通过k平均聚类算法将数据点聚成若干类,分别计算每个点对应的始点和质心距离,得到基于加权的质心距离,并将加权的质心距离作为每个数据点的索引键值,且用基于分片的B+树建立索引,得到了该索引的创建算法.高维空间的查询就转变成对一维空间的检索,并研究了数据点的维数、数据量和查询请求参数对查询性能的影响.结果表明,该DDM能更有效地缩小搜索空间,减少距离计算的开销,特别适合海量高维数据的查询.

基于混合距离树的海量书法字索引

提出一种基于混合距离树的高维书法字索引方法以加速检索.首先将n个书法字通过层次聚类聚成若干类,然后分别计算每个字对应的统一化始点距离和质心距离,最后将两者结合生成索引键值.给定一个查询字,借助混合距离树索引完成高维书法字的查询.实验证明,该方法能够取得较高的查询效率,特别适合海量书法字检索.

粒子群优化算法实现仿射不变性形状识别

针对形状识别过程中,轮廓图像会因为视点改变发生仿射变换的问题,提出了一种新的仿射不变特征提取方法及匹配策略。首先,对所有边界点计算其与质心的距离及方向角,并在给定的角度邻域内进行平均以消除噪声干扰;然后,计算方向角相差180°的边界点质心距离之比作为形状特征,该特征具有仿射不变性。由于仿射变换图像间各轮廓点的方向角具有非线性变化特征,质心距离比需要重采样以建立对应关系,笔者将其转化为一个路径规划问题,并用粒子群优化算法得以解决。实验表明该方法对形状识别中的平移、旋转、缩放、拉伸和噪声干扰具有良好的效果。

基于视角不变的三维手势轨迹识别

提出了一种新颖的基于视角不变的三维手势轨迹识别方法,手势分割采用Kinect传感器获取图像深度信息,通过先定位起始点再定位结束点的方法定位手心点,使手势轨迹点定位有自动无延时的特性。采用改进的质心距离函数表示视角不变的三维轨迹特征,隐马尔可夫模型用于训练和识别有效的轨迹。实验结果表明,该方法具有光照及复杂背景鲁棒性,数字0～9的平均识别率可达97.7%。

雷达辐射源个体特征的提取与识别

针对雷达辐射源个体特征,应用波形熵和能量熵对经过围线积分后的双谱估计结果进行特征提取,并根据此特征构成的二维特征向量实行后续的个体识别码.针对二维特征向量识别,应用质心距离法分析提取出二维特征向量,对此二维特征向量所对应的雷达辐射源个体进行识别,并与模糊C-均值聚类法进行对比分析.通过仿真实验和实测分析,验证了所提方法能在一定信噪比下对雷达辐射源个体进行正确的识别.

水二聚体分子间相互作用的理论研究

作者利用从头算方法,在HF/6 31G 水平下得到了水二聚体势能面上的7种优化构型,并经MP2法、均衡法(CP)分别校正了电子相关和基组叠加误差(BSSE),通过对分子中的原子间的最短距离、分子间质心距离与各构型相互作用能的关系进行了分析、比较,得到了最稳定的构型,其对应的分子间相互作用能为:-21.0205kJ·mol-1.

视网膜眼底图像中视盘的检测方法

视盘的准确检测对视网膜眼底图像的其他特征,如血管和微动脉瘤的精确检测非常重要。本文提出一种结合视盘亮度和圆形度特征的视盘检测方法,先对眼底图像进行预处理,然后运用数学形态学运算去除血管的干扰,采用阈值分割提取出可能为视盘的区域,最后再根据视盘的面积和圆形度特征检测出真正的视盘区域。实验结果表明,本文算法具有较高的定位精度和较快的定位速度。

双偏振雷达K_(DP)足及Z_(DR)弧的自动识别及应用研究

差分反射率(Z_(DR))弧表示超级单体风暴中前侧入流区域弧状的Z_(DR)大值区,差分相移率(K_(DP))足则表示风暴核心顺切变方向K_(DP)大值区。超级单体风暴中的Z_(DR)弧及Z_(DR)弧-K_(DP)足分离特征已被证实为风暴中粒子“分选机制”的重要示踪因子,并且Z_(DR)弧和K_(DP)足质心连线和分离角与低层入流和风暴相对螺旋度相关较好。为快速识别K_(DP)足及Z_(DR)弧并提取Z_(DR)弧-K_(DP)足分离特征,运用其指示意义提升极端大风和冰雹的预报能力。基于经典概念模型和机器学习方法,利用华东地区S波段双偏振雷达探测资料,进行了K_(DP)足和Z_(DR)弧的自动识别算法设计,并计算了Z_(DR)弧-K_(DP)足质心距离和分离角。而后针对华东地区4次超级单体风暴过程,结合地面自动观测资料验证了K_(DP)足及Z_(DR)弧识别结果及定量化计算效果。结果显示:设计的方法能够准确识别出超级单体风暴中的K_(DP)足和Z_(DR)弧,Z_(DR)弧-K_(DP)足质心距离和分离角的变化也可在一定程度上指示极端大风的发生。

基于显著轮廓特征的SAR图像轮廓匹配新方法

在以星载SAR图像作为基准图、机载/弹载SAR图像作为实时图的匹配导航和精确制导研究中,传统基于点特征的匹配方法存在特征点数目过多,误匹配率较高,容易受噪声及灰度变化影响等问题。该文提出一种基于显著轮廓特征的SAR图像“由粗到精”的匹配新方法。该方法在对SAR图像进行预处理的基础上,采用改进的模糊C均值聚类(FCM)的图像分割方法来提取闭合轮廓特征;采用归一化轮廓中心距离描述符进行双向匹配,获得强鲁棒性的粗匹配轮廓对;在粗匹配轮廓上采用改进的局部二值模式(LBP)算子得到精匹配结果。试验结果表明,该方法在图像旋转、空间变化以及噪声干扰较大的情况下,具有精确性高、鲁棒性强的优势,适宜遥感SAR图像匹配。

基于T-S模糊故障树的煤矿坑道钻机液压动力系统故障诊断研究

针对煤矿坑道钻机液压动力系统复杂化带来系统中各元件间逻辑关系模糊、失效形式多态性及故障概率获取困难等问题,克服传统故障树在复杂机电液装备故障诊断分析中的局限性,实现及时准确获取设备故障信息,发现故障原因并采取措施,提出一种基于T-S模糊故障树煤矿坑道钻机液压动力系统的故障诊断方法。以ZDY25000LK型钻机液压动力系统为研究对象,对系统的层次结构进行分析,以T-S模糊故障树描述系统的性能变量,进行分析建树。根据质心距离相似度的度量法对专家评估的底事件模糊概率进行修正,求解顶事件在不同故障程度时发生概率的梯形模糊数。通过T-S概率重要度分析,确定各底事件的重要度排序,指出在不同故障程度时液压动力系统的薄弱环节。结果表明:部件级到系统级事件发生严重故障的概率呈递增趋势,系统中多个部件发生轻微故障时,系统发生严重故障的可能性较大。各事件的故障程度对上级事件发生的贡献度不同,根据重要度排序锁定故障位置并判断故障原因。当液压动力系统出现严重故障时,根据重要度分析结果,应优先排查安全阀工作情况、油泵内部磨损情况及内部串油情况。该方法实现在不同故障程度时系统中薄弱环节的快速定位,在鄂尔多斯淮河能源唐家会煤矿的工程试验中得到验证,为提高煤矿坑道钻机的可靠性提供了参考依据。

分布式数据流聚类算法及其基于Storm的实现

为了提高数据流聚类算法的效率,设计并提出了基于质心距离和密度网格的数据流聚类算法—CDD-Stream,并通过对其中网格结构的更新实施了并行化策略,进而设计并提出了一种分布式数据流聚类算法—DCD-Stream(Distributed Centroid Distance D-Stream)。该算法分为在线和离线两个部分,在线部分实时接收数据流,利用局部节点和全局节点实现了网格结构更新的并行化,完成了整体网格结构的增量更新;离线部分基于网格结构的更新结果进行全局聚类,并存储网格帧,供用户查询历史簇。充分利用Storm快速实时处理数据流并显著提高数据流挖掘算法性能的优势,设计并实现了基于Storm的DCD-Stream算法实现方案。该方案通过内存数据库Redis和消息中间件Kafka的应用对DCD-Stream算法的拓扑进行了合理部署与实现。对比验证实验结果表明,相对于其他算法,DCD-Stream算法在数据流对象上有相当高的聚类精度和更好的时效性,基于Storm的DCD-Stream算法实现方案是可行且有效的。

一种新的文本数字水印标记策略和检测方法

根据汉字文本的特点 ,对基于空间域的行移标记策略和质心检测方法进行了改进和简化 ,提出了一种新的行移标记策略和相应的质心检测方法 .新的标记策略不使用参照行 ,从而可以提供 2倍于原方法的标记空间 ;对质心噪声模型进行了放大处理 ,从而简化了检测方法 ,大大降低了计算量 .新方法只需要检测每行的质心相对距离 ,从而实现了盲检 .实验结果表明 ,新方法的判断准确率达 95 %以上 .

K-Means算法最优聚类数量的确定

K-均值(K-means)聚类算法是学术与工业领域的经典算法。然而,它却具有两个明显缺陷:1)需要预先知道聚类的数量;2)对算法的随机初始化非常敏感。为了解决这两个问题,首先归纳了K-均值算法的基本步骤,并对聚类有效性进行了分析;然后以数据样本点的欧几里德距离为基础,定义了以聚类数量k为自变量的类间质心距离之和以及类内距离之和,由此构造了聚类有效性评价函数;最后根据经验规则,在聚类数量的可能范围内通过求解聚类有效性评价函数的最小值以确定数据集的最优聚类数量。对UCI的3个数据集Iris、Seeds和Wine的仿真结果说明,提出的聚类有效性评价函数不仅能够准确地反映数据的真实聚类结构,还能有效地抑制算法对随机初始化的敏感性,通过对K-均值算法的多次运行,其结果也验证了聚类有效性评价函数的鲁棒性。

K-means算法中k的自动确定

K-means算法在无监督学习中有着广泛的应用。然而,K-means算法有两个主要缺点,一是容易陷入局部极小,二是需要用户事先指定参数k。二分K-means算法的提出解决局部极小的问题。利用二分K-means算法过程中每次分裂产生的新质心间距离的变化规律可以对二分K-means算法做进一步的改进,从而将实际类别个数k的确定自动化。

进气涡流和喷油系统参数对大功率柴油机混合气形成的影响研究

通过对大功率柴油机的油气混合及燃烧过程进行三维数值模拟,定量研究了进气系统和喷油系统的参数对混合气形成的影响。结果表明:进气涡流通过加速空气掺和到喷注中的过程,增强空气与油滴的相对运动,加速空气向油滴的传热等促进燃油与空气的混合;喷孔数通过影响燃油的贯穿距离以及空气夹带量进而影响油气的混合。利用燃油质心的偏转角和燃油质心贯穿距离定量表征进气涡流以及喷孔数对油气混合的影响。

基于SPGD算法倾斜像差校正数值仿真研究

激光在大气中传输时,大气湍流导致光束漂移,严重影响传输光束的光束质量。建立基于随机并行梯度下降(SPGD)算法控制的倾斜像差校正仿真模型,对比分析SPGD算法性能指标,分别为光斑质心距离和环围能量时倾斜像差校正效果。仿真结果表明,SPGD算法性能指标分别为质心距离和环围能量时,传输光束经SPGD算法控制倾斜镜校正后,光斑质心漂移得到有效校正,远场长曝光光斑能量集中度极大提升,倾斜像差校正效果显著。SPGD算法性能指标为质心距离时,校正后光斑质心漂移方差优于性能指标为环围能量的SPGD算法校正效果,但在校正后,远场长曝光光斑峰值强度和环围能量比两方面的校正效果略差于性能指标为环围能量的校正效果。两种性能指标的SPGD算法倾斜像差校正效果各有优劣。

基于固定数采样法的人体行为模式分类方法研究

在视频序列中信息量较大时,当前人体行为模式分类方法存在分类效率低下,分类误差较大的弊端。通过对目标轮廓信息的分析和处理,获取人体目标轮廓精确的位置信息并建立坐标系,在质心-边界距离法对人体轮廓进行描述的基础上,通过固定数采样法平均选取轮廓像素点,消除不必要的像素点,对轮廓像素点的选取进行优化,生成更加准确的质心-边界距离描述子。在人体行为模式分类中,首先使用前期数据进行学习,生成一系列的行为数据集,再通过本文的固定数采样法筛选得到的轮廓点,生成质心-边界距离描述子,与行为数据集中的数据进行相似性度量,得到行为识别结果。所设计方法大大降低了分类的时间,并且提高了识别的准确性;实验证明本文的方法能够对人体行为模式进行较好、高快地识别与分类。