基于迭代自组织数据分析的测向定位新算法

针对传统交会定位方法精度不高的问题，从概率论角度出发，利用离信号源真实位置越近出现定位点概率越大的统计特性，首次提出将迭代自组织数据分析算法（ISODATA）应用到定位计算中。新算法自动对交会点进行聚类，消除聚类程度低的点集，选择聚类程度高的点集，然后利用最小二乘算法进行定位计算。理论分析和仿真结果表明，新算法能有效提高定位精度，尤其在低信噪比情况下性能表现较传统算法优越。

基于水平集和迭代自组织算法的图像分割

提出了基于水平集和迭代自组织数据分析的岩心砾石图像分割方法,既可克服水平集算法伴生的图像过分割问题,也可解决迭代自组织算法产生的图像边缘飘移问题。该方法首先运用水平集算法获取目标颗粒的准确边界,运用迭代自组织算法提取目标颗粒的整体;其次将两种方法提取的图像给以迭加综合处理,克服水平集算法伴生的图像过分割和迭代自组织算法产生的边缘飘移的缺陷,进而得到既完整又边界准确的目标颗粒。该方法运用于岩心砾石图像的分割,取得了良好的效果。

基于迭代MapReduce的混合云大数据分析

现有混合云平台运行大数据分析等数据密集型工作负载存在数据迁移开销大、执行时间长等问题,提出基于迭代MapReduce的大数据分析方法。提出一种数据存储和数据迁移机制,迭代时将初始不变量从私有云迁移至公有云,无需修改MapReduce框架或底层存储层;利用随机森林估计所提迭代MapReduce应用程序所需的计算时间。OpenStack混合云实验结果表明,相比传统方案,提出方法仅增加了初始迭代的运行时间,最终完成时间比传统方法节约12.6%以上。此外,提出的性能预测方法的误差率可保持在19.54%以内。

模糊迭代自组织数据分析技术在油储预测中的应用

提出了用模糊迭代自组织数据分析技术实现油储预测的研究思路。在对油储主特征向量的构成有较好认识且对各主特征值的提取质量可靠的情况下，文中提出的用已知标准样本，通过模糊迭代自组织算法获得各聚类中心，进行油储预测是该技术在油气勘探开发中的一种推广应用。

迭代自组织哈希算法

为了解决现有哈希算法的中心点不确定性和离散编码表达有限的问题,提出迭代自组织哈希算法(iterative self-organizing hashing,ISOH)。该算法采用迭代自组织数据分析量化空间,以提高近邻检索准确率;在聚类中心初始化方面,使用最远平均距离方法选择初始聚类中心,避免初始聚类中心的随机性;为解决固定编码长度所表示的二值编码种类有限的问题,提出建立多重编码机制;在时间复杂度方面,ISOH算法采用乘积空间,以较低的代价得到更长的编码。实验结果表明,在SIFT、GIST和CIFAR10数据集上与K-均值哈希和可扩展图哈希等具体化哈希算法相比,ISOH算法能有效提高近邻检索的准确率。

基于加权信息量和迭代自组织聚类的地质灾害易发性评价

以三峡库区忠县-方斗山地区为研究对象,首先选取坡度、坡向、坡高、岩土体类型、坡体结构、构造、水的作用、人类工程活动等8个评价因子建立地质灾害易发性评价指标体系,并对因子状态进行分级;然后,采用层次分析法计算各指标因子的权重,应用加权信息量模型进行地质灾害易发性评价;再者,利用迭代自组织聚类模型对地质灾害易发性评价结果进行分级区划;最后,对地质灾害易发性评价的精度进行定量评价。结果表明:地质灾害易发性评价结果与实际地质灾害发生的吻合度高、评价结果可靠、评价方法精度高、适用性强;岩土体类型、坡体结构、水的作用及人类工程活动是地质灾害发育的最主要控制因素;地质灾害易发性划分为极高易发、高易发、中易发、低易发、极低易发五个等级。建立的评价方法从权重确定和等级划分方面完善了地质灾害易发性评价理论体系,可为区域地质灾害易发性评价提供理论指导和技术参考。

有序子集最小二乘OS-LS图像重建迭代算法

为推导一种新的快速图像迭代重建方法,首先将有序子集(orderedsubsets,OS)技术应用到最小二乘图像重建迭代算法(leastsquarereconstruction,LS);然后对仿真Phantom模型数据和实际医用正电子发射断层成像仪(PET)数据进行重建,并研究了在不同子集划分下的重建结果,同时分析比较了不同子集的选取对OSLS重建图像质量以及重建收敛速度的影响。重建结果表明,这种基于有序子集的最小二乘图像重建迭代算法(OSLS)具有较高的重建图像质量和较短的计算时间,相对于传统LS算法的重建,OSLS的收敛速度加速了约L倍(L为子集个数),其重建图像质量也好于传统的滤波反投影(FBP)方法的重建,可应用在PET图像重建中。

基于改进ISODATA聚类的Wi-Fi室内定位算法

为解决传统聚类算法在Wi-Fi室内定位中易陷入局部最优影响定位精度的问题,提出一种改进迭代自组织数据分析聚类Wi-Fi室内定位算法。离线阶段通过计算指纹数据库中各点欧氏距离标准差,优化初始参数阈值,动态选择聚类中心,减少定位误差;在线阶段将自适应加权K近邻与聚类算法结合,避免固定K值对定位结果影响,有效提高定位精度;将改进算法用于工程实例进行验证。结果表明,提出的算法在定位精度1 m范围内时概率为63.33%,定位精度2 m范围内时概率为90.00%,验证了该算法的有效性。

基于尾随迭代分析的精准内容推荐方法

随着电信市场的不断发展及大数据AI技术的成熟,精准营销已经成为市场的主流。本文以内容型业务精准推荐为课题,通过尾随用户行为轨迹,实时分析用户行为数据,迭代更新用户行为特征,精准分析用户的内容需求,并对用户进行精准推荐。采用迭代算法,及时更新用户内容偏好,构建完整的互联网内容提供平台顾问式的消费引导模式。

基于直觉模糊的ISODATA算法

ISODATA算法能自动地进行类的分裂和合并,但这种硬分类算法没有充分考虑图像本身的特点和人类的视觉特性,其分类效果一般差于模糊聚类算法。而大多数模糊识别方法都需要设置类别数目,有其自身的缺点,而直觉模糊则弥补了传统模糊理论不足。结合直觉模糊和ISODATA优点,将与隶属度和非隶属度相关的判定函数作为分类度量,提出了一种基于直觉模糊的ISODATA算法,结合实际改进了隶属度函数,以区域为待分类样本以提高算法速度,将其应用到图像分割,经实验证明了算法的有效性。

基于JADE算法的数据库公开水印算法的研究

数据库技术具有广阔的应用,数据库水印就成为一个研究热点。提出一种基于独立分量分析(ICA)的公开数据库水印方法。其思想是:首先对水印图像经过ICA处理得出若干个独立分量水印,利用迭代混合的方法嵌入水印,再利用盲源JADE算法提取水印,达到用较少的载体代价就可以嵌入水印信息的目的。理论分析和仿真实验结果表明该算法是有效的。

应用改进迭代最近点方法的三维心脏点云配准

在医学多图谱配准中,为了改善因初始位置差异较大、形状复杂和局部残缺导致的配准效率低和精度差的问题,本文采用了先粗配准再精配准的处理策略,在主成分分析法(PCA)实现粗配准的基础上,提出了基于双向距离比例的迭代最近点(ICP)的精配准算法。精配准算法中,首先采用KD-tree进行最近邻搜索以提高对应点对的搜索速度,然后为每个点提出了双向匹配方法并计算其双向距离和比值,为进一步提高配准精度,引入了一个指数函数判断点对正确匹配概率,最后运用奇异值分解法(SVD)计算最终变换矩阵。为了验证算法的可行性和有效性,分别设计了不同缺损程度的斯坦福点云数据实验和两组CT心脏点云数据配准实验,结果表明本文方法较经典ICP算法的平均误差减少约21%,较TrICP算法减少约13%,在心脏点云数据配准实验中,本文方法较TrICP算法的15.5 s加快到1.77 s。因此本文方法在解决三维心脏点云数据的配准问题中具有良好的效率、精度和稳定性。

改进的自适应模糊ISODATA灰度图像分割算法

传统模糊ISODATA(Fuzzy ISODATA,FISODATA)算法中,分裂-合并操作需人工选取阈值参数。而不适当的阈值往往使算法陷入局部极值,因而得到错误的类属数并最终影响图像分割结果。为此,在模糊集理论基础上提出一种改进的自适应FISODATA算法。该算法设计了自适应分裂-合并操作,即在每次分裂-合并后,根据该次计算结果改变参数阈值,解决了人为选取参数带来的诸多问题。利用该算法对模拟图像和真实IKONOS图像进行分割实验,均能得到良好的分割结果。

数据流分析的关键技术研究

数据流分析在编译优化中起着非常关键的作用,尤其是想实现一个具有技术主动权的高性能优化编译器,对数据流分析方法的研究必不可少。本文介绍了数据流分析方法的基本概念和基本原理,介绍了数据流方程的一种解决方法。并结合GCC这个具体的编译器,简要分析了其中数据流分析的具体实现方法。

基于VC++的数据流分析方法

数据流分析在编译系统的代码优化、软件故障检测以及程序切片中都起着非常关键的作用。本文介绍了数据流分析方法的基本概念和基本原理,介绍了数据流方程的到达-定义迭代算法,并提出了一种利用VC++工具实现数据流方程求解的方法。

基于集对分析的半监督ISODATA聚类

提出一个基于集对分析的半监督ISODATA聚类算法,用于网络异常检测。在三方面进行了改进:首先,算法能够直接处理字符数字混合属性的数据,并使用集对分析来计算数据记录之间的距离;其次,算法同时处理有标号和无标号的数据,并利用少量的有标号数据来指导算法的分裂过程;最后,将算法的输入参数减少到只有两个。在KDD99入侵检测数据集上的实验结果显示,该算法获得了95.62%的检测率和1.29%的误报率。

Twofish的性能分析及与其它算法的比较

一、Twofish性能评价 1.在32位机上的运行评价 Twofish是AES候选方案中在Pentium以及其它32位CPU上运行最快的算法。它的密钥建立时间处于中等的水平,但对于应用程序来说,密钥生成是影响加密速率的一个大的问题。Twofish的改善实现在加密速度和密钥建立速度上做了折中。对于想哈希函数这样的应用,这种改善的实现十分有效。下面是Twofish小组的一些测试数据。

可扩展的迭代自组织分析并行处理算法

随着遥感影像数据量的增加,传统非监督分类迭代自组织分析(ISODATA)算法的运算将十分耗时,应用并行计算技术能够有效解决该性能瓶颈。针对现有基于并行计算模型MapReduce的遥感迭代自组织分析并行算法存在的局限性,提出一种可扩展的基于MapReduce的迭代自组织分析并行处理算法。该算法通过其包含的全局子采样算法、聚类中心点集合过滤算法以及聚类映射算法,有效克服了现有并行算法中存在的不足。实验结果表明,在同等规模遥感计算中,该算法效率高于现有并行处理算法,具有良好的加速比,且在处理更大的影像块时具有更高的精度。

地铁盾构施工安全风险规律分析与对策

为预防地铁盾构施工安全事故,利用迭代自组织数据分析算法(ISODATA)对收集到的57起事故和186个未遂事件报告结构化数据进行聚类分析;通过对比分析各聚类集群相对风险可能性的量化结果,探讨地铁盾构施工的安全风险规律及管理对策。结果表明:始发-到达阶段地质条件复杂、洞口土体加固及降水不当是地铁盾构施工领域最危险的风险因素;针对事故风险较大的盾构始发-到达阶段,运用施工安全生产工艺学方法作为安全风险管理对策,可提高地铁盾构施工安全管理绩效。

结合Voronoi划分HMRF模型的模糊ISODATA图像分割

为了解决传统模糊聚类图像分割方法对噪声敏感及无法自动准确确定聚类数的问题,提出结合Voronoi划分HMRF模型的模糊ISODATA图像分割方法。利用Voronoi划分将图像域划分为若干子区域,以划分子区域为基本单元定义基于隐马尔科夫随机场(HMRF)模型的模糊聚类目标函数,以解决噪声敏感问题;通过迭代自组织数据分析技术算法(ISODATA)中聚类分裂、合并技术改变聚类数,以实现聚类数的自动确定。对模拟、合成图像和真实图像分割结果的定性、定量分析表明:提出算法不仅可以有效克服噪声和像素异常值对分割结果的影响,而且还能自动准确确定聚类数,实现自动变类图像分割。