不完备数据集的邻域容差互信息选择集成分类算法

针对不完备混合信息系统的分类问题,结合粒计算中的邻域容差关系和互信息理论,定义邻域容差互信息的概念,并利用集成学习的思想,提出不完备数据集的邻域容差互信息选择集成分类算法.该算法首先根据缺失属性得到信息粒,划分粒层构建粒空间,在不同的粒层上使用以BP神经网络作为基分类器的集成算法,构建新的基分类器;然后,根据每个信息粒的缺失属性计算出关于类属性的邻域容差互信息,来衡量各个信息粒的重要度,并根据基分类器预测准确率以及邻域容差互信息重新定义基分类器权重;最后,根据预测样本对基分类器加权集成预测分类结果,并与传统的集成分类算法进行对比分析.对于部分不完备混合型数据集,新提出的集成分类算法能有效提升分类准确率.

基于邻域容差熵选择集成分类算法

针对不完备混合型信息系统的分类问题,融合粒计算和集成学习思想,引入邻域容差关系,提出基于邻域容差熵选择集成分类算法。首先根据样本中的缺失属性将不完备混合型数据集划分为不同的信息粒,并再次遍历数据集进行最大化信息粒,构成新的粒空间,用以BP神经网络为基分类器的集成算法在粒空间上训练最大化信息粒,构建新的基分类器;然后以每个信息粒的缺失属性作为条件计算出关于类别属性的邻域容差条件熵,各个信息粒的重要度通过邻域容差条件熵进行量化后,通过信息粒的大小、新训练出的基分类器预测准确率以及邻域容差条件熵重新定义各个基分类器的权重;最后根据预测样本对基分类器加权集成,预测分类结果,并与传统的集成分类算法进行对比分析。对于不完备混合型数据集,新提出的集成分类算法能有效提升分类准确率。

一种基于八邻域深度差的点云边缘提取算法

提出了一种基于八邻域深度差(8N-DD)的点云边缘提取算法。算法根据目标特征的点云,对每个特征点沿深度方向进行垂直投影并对投影点进行栅格划分,计算出每个栅格内投影点所对应深度的平均值作为该栅格的深度值;然后比较每个栅格与其八邻域栅格的深度差,根据深度差判断该栅格内是否存在边缘点,并采用排序法从栅格内筛选出目标的点云边缘点。针对含有非孔洞和孔洞的两种典型点云数据,利用八邻域深度差算法进行点云边缘提取,验证了算法的有效性。

邻域灰度差加权的模糊C均值聚类图像分割算法

模糊C均值(FCM)算法用于灰度图像分割是一种非监督模糊聚类后再标定的过程,适合灰度图像中存在着模糊和不确定性的特点。但是这种算法没有考虑到样本空间中不同的样本点对分类的贡献不同,因此分割效果不理想。提出了邻域灰度差加权的模糊C均值聚类算法,实验结果表明,该算法不仅取得了很好的分割效果,而且加快了算法的收敛速度,从而满足了图像分割的有效性、实时性的要求。

一种基于邻域容差信息熵的组合度量方法

在实际应用中,大多数信息系统中的数据都是混合的,为了度量混合信息系统的不确定性,本文提出了一种组合度量方法.首先在不完备邻域粗糙集中定义了混合近似精度和混合近似粗糙度的概念;接着考虑到这两种单一度量方法对信息系统不确定性评估的不足,然后,进一步引入邻域容差信息熵的概念;最后将混合近似粗糙度和邻域容差信息熵这两种单一度量进行结合提出一种组合度量方法,并且研究了相关性质.UCI实验结果表明,本文所提出的方法在混合信息系统中具有更好的不确定性度量效果,从而验证了该度量方法具有一定的优越性,并且从理论上也证明了该方法的可行性.

基于差异化邻域策略的分解多目标进化算法

子问题邻域对基于分解的多目标进化算法性能影响较大.当邻域过大时,种群繁殖产生的新解偏离Pareto解集,在更新子问题时,新解与邻域内旧解的比较次数增多,算法的计算复杂度增加;当邻域过小时,算法容易陷入局部最优.为了解决上述问题,文中提出基于差异化邻域策略的分解多目标进化算法(MOEA/D-DN),通过分析不同大小的邻域对算法性能的影响,选择合适的参数.并根据每个子问题的权重向量与中心向量的偏角,为各子问题设置不同大小的邻域,合理分配算法资源,提高算法搜索全局最优解的速率.在2维ZDT系列和3维、5维DTLZ系列测试函数上的实验表明,MOEA/D-DN的收敛速度与收敛性能均有明显提高,算法的计算资源分配更合理,所获解集整体质量更优.

基于形态学的高斯模型和八邻域帧差法混合运动目标检测算法

针对视频中运动目标的提取问题,提出一种基于形态学的高斯模型和八邻域帧差法相融合的提取算法。该算法首先将视频中某些帧转化为灰度图,建立以混合高斯分布为基础的统计模型,并结合八邻域帧差法提取出运动目标的大致轮廓,然后利用自适应更新的高斯模型算法进行精确的减除,最后再进行形态学处理,从而使检测出的运动目标更加清晰完整。实验结果表明,该算法对含有低速运动物体、阴影较多的视频提取效果较好,具有很好的鲁棒性。

不完备信息系统的容差邻域熵和属性选择

邻域粗糙计算模型可以处理信息系统中名义属性和字符属性共存的问题而得到了广泛应用.现有的邻域粗糙计算方法仅讨论了其处理完备信息系统问题,然而实际应用中的数据往往是不完备的.针对这一问题,首先提出了可用于度量不完备信息系统的容差邻域熵;然后得出了一系列相关定义和性质,证明了容差邻域熵是香农熵在不完备信息系统上的自然推广;最后给出了基于容差邻域熵的属性选择算法.实验结果表明,所提出的算法避免了数据过分预处理而带来的冗余信息,使样本在算法选择的特征空间内保持了较高的分类精度,可以更好地处理信息系统不完备的问题.

一种改进的基于混合高斯模型的运动目标检测方法

混合高斯模型方法被广泛应用于运动目标检测,但是现有的混合高斯模型方法在应对噪声和光照突变时效果不佳,其运动目标检测的效果会受到严重影响。为了解决上述问题,提出了一种结合边缘混合高斯模型方法以及改进的基于邻域差方法的综合方法。该方法充分利用了边缘图像对于噪声和光照突变不敏感,以及邻域差方法可以去除部分噪声的特点,对图像序列进行综合处理。实验结果证明,该方法可以提升运动目标的检测率,降低误警率,可以更有效地应对噪声和光照突变的干扰,从而具有更准确的目标检测效果。

基于粗糙集阴影区域的检测与分类

粗糙集理论是一种新的处理模糊和不确定性问题的数学工具。本文提出一种基于粗糙集阴影边缘分类方法。该算法根据粗糙集理论、梯度、最大邻域差及噪声的条件属性,将一幅图像划分为不同的子图像;然后对子图像分别进行处理,得到阴影边缘点;再利用边缘生长对边缘点进行细化和跟踪,删除那些假边缘点;然后根据阴影边缘构出假想的阴影区域,并统计这些区域的灰度直方图,求得阴影区域的灰度区间。根据该灰度区间可以得到阴影区域,再根据这些区域的灰度、形状、面积等特征对阴影进行分类。通过对所得结果进行分析可知,结合粗糙集理论的阴影图像边缘检测算法与其他的常规检测方法相比,无论从视觉效果还是检测精确度上都有所改善。

一种阴影图像边缘检测的新方法

分析了国内外图像阴影边缘检测方法的不足,提出一种基于粗糙集理论的边缘检测新方法,阐述了利用粗糙集条件属性和边缘点梯度等特点对图像边缘点进行分类以及提取阴影边缘的方法,通过实验验证了边缘检测效果。

蚁群算法实现的图像边缘连接

针对金相晶界重建问题,提出了一种基于蚁群算法的图像边缘断点连接方法。以原图像和传统边缘获取方法得到的边缘为基础,进行边缘的端点分析,并在端点处建立信息素的高斯分布模型,从而促使蚂蚁向端点方向移动;综合考虑了像素间相似性、邻域差和边缘走向三个因素来确定启发式引导函数,使蚂蚁沿着真正的边缘行走。实验表明该算法速度较快,补偿的边缘能够反映原图像边缘信息,是一种有效的边缘断点连接方法。

金属表面缺陷自适应分割算法

金属表面缺陷的种类多、环境复杂度高,现有的金属表面缺陷分割算法有效性低、适用范围窄,为此提出一种金属表面缺陷自适应分割算法。该算法首先从8个方向对金属表面的灰度图像进行转换,根据多幅图像灰度波动状况,自适应地改变邻域灰度差分割算法中的阈值与步长对相应的图像进行分割,最后利用PCA算法将多幅图像压缩至单幅图像。实验结果表明,与现有的分割算法相比,该算法不仅适用于多种类型的金属表面缺陷部分的分割,而且分割准确度高。

用于线纹显微图像的边缘检测算法

为了在简化计算的同时达到较高的定位精度,提出一种轴向邻域和差边缘检测算法,用于低信噪比、缓慢过渡的微结构显微图像的边缘检测。首先,结合显微图像采集系统的配置,分析了线纹显微图像边缘灰度轮廓特征和基于导数的边缘检测算法的不足。然后,基于方向信息测度,定义了轴向邻域和差运算,依据矩不变理论推导出轴向邻域和差边缘检测算法。实验结果表明:轴向邻域和差边缘检测算法能够适应不同分辨率的显微图像,具有较强的抗噪能力和较高的定位精度,边缘检测效果优于基于导数的算法。该算法用于显微图像时,其边缘坐标定位方差为0.57pixel,微米级线条宽度的测量结果与扫描电子显微镜的测量结果(1.35μm)相差0.17μm,基本满足了测量精度的要求。

基于最大邻域内差的静脉图像增强和图像分割

为了克服因静脉图像照度不均造成的现有分割算法对静脉纹路分割不够精确的问题,提出了一种基于最大邻域内差(Maximal intra-neighbor difference,MIND)的静脉图像分割算法,其核心是充分利用静脉图像的邻域信息和新设计的距离函数计算出原图的MIND图像,并与经过直方图修正后的原图加权相加得到了增强图像,之后,通过计算出增强图像的均值图像并与增强图像进行加权比较得到最终的分割结果。在分割的过程中,可以根据MIND图像的直方图自适应调整算法中的分割参数提高分割效果,最后的实验结果证明了算法的有效性。

基于图的半监督学习的遮挡边界检测方法

提出了一种基于图的半监督学习检测深度图像中遮挡边界的方法。该方法首先获取已标记的像素点和待检测深度图像中的像素点作为顶点构建连通无向图，其次提取无向图中各像素点的最大深度差特征和八邻域有效深度差之和特征组成特征向量，根据像素点的特征向量计算无向图中顶点之间的相似性并将该相似性作为无向图中对应边的权值，然后根据图的半监督学习思想判断无向图中待检测像素点是否为遮挡边界点，最后可视化遮挡边界点得到深度图像中的遮挡边界。实验结果表明，所提方法尽管只需少量的标记样本，但在准确性上却同已有基于监督学习的方法相当。

基于集成学习思想的深度图像遮挡边界检测方法

针对现有深度图像遮挡检测方法不能有效地检测出深度信息变化不明显的遮挡边界点的状况，提出了8邻域总深度差特征和最大面积特征，并定义了计算方法。在此基础上，提出一种新的基于集成学习思想的深度图像遮挡边界检测方法，该方法结合所提新特征及现有遮挡相关特征训练基于决策树的AdaBOOst分类器，完成对深度图像中遮挡边界点及非遮挡边界点的分类，实现对深度图像中遮挡边界的检测。实验结果表明，同已有方法相比，所提方法具有较高的准确性和较好的普适性。