一种改进的马尔科夫吸收链显著性目标检测方法

为了提高显著性目标检测的查准率和查全率,在传统的平均吸收次数作为显著性度量的基础上,提出了一种改进的显著性目标检测方法。利用边界连通性筛选出真正的背景节点以提高吸收节点的准确性。使用目标粗略图进行加权,以突出中央目标抑制背景。在MSRA-1000数据库上与7种流行算法特别是与基于马尔科夫吸收链的方法进行实验对比,该文方法的查准率和查全率较高。实验结果证明了所提算法的优越性。

基于非完全吸收马尔科夫链的多文档自动文摘算法

吸收马尔科夫链模型在自动文摘领域的有效性已经证实。然而,此模型中的平均期望历经次数需要通过矩阵求逆得到,所以模型的时间复杂度很高。此外,由于自身的局限性,它也无法利用除句子间相互关系以外的其它信息。针对此问题建立了一个新的模型:非完全吸收马尔科夫链;并以此为基础提出了一个新的多文档文摘算法。证明了吸收马尔科夫链的平均期望历经次数与对应的非完全吸收马尔科夫链的稳态概率分布的等价性,而后者可通过迭代求解。同时,这个新的模型还可以引入除句子间相互关系以外的其它信息,从而生成更准确的文摘。在TAC2011上的实验证实了该模型的有效性。

基于马尔科夫链的网络入侵路径研究

网络化时代网络安全备受关注,对网络入侵路径的研究有助于指导网络安全防御。在对网络攻击图和吸收马尔科夫链分析的基础上构建了两者之间的映射关系,同时提出了一种新的非吸收节点指向自身的状态转移概率计算方法,得到了网络入侵路径分析模型。将搭建的网络入侵路径分析模型应用于网络环境中,结果表明,该模型可以有效地计算网络节点威胁度排序以及网络入侵长度期望值,这对网络安全管理员采取更为有效的安全防御措施具有一定的参考价值。

面向猴脸的吸收马尔科夫链图像显著性检测

传统的基于吸收马尔科夫链进行图像显著性检测方法只能检测出与图像背景差异较大的目标,或者位于图像中心的显著目标。但通常情况下,被关注的目标并不具有这样的条件。提出了一种面向对象的吸收马尔科夫链的显著性检测算法,并将其应用于金丝猴面部的显著性检测中。算法在传统的吸收马尔科夫链进行图像显著性检测的过程中,引入惩罚因子,依据一定的先验信息来动态调整吸收时间。根据超像素块与目标色彩信息之间的差异对颜色权重进行相应的奖励或惩罚,以指引算法能够正确提取多个显著目标。实验表明:相对于传统算法,算法能够更准确地检测出被关注的显著目标,尤其在图像中含有多个关注目标时,效果更加显著。

吸收马尔科夫链在全球价值链位置测度中的应用

研究目标:在全球价值链测度框架中引入吸收马尔科夫链方法,拓宽其研究路径和内容。研究方法:通过比较全球价值链位置测度和吸收马尔科夫链理论,构建基于吸收马尔科夫链视角的全球价值链测度框架,并在全球投入产出表中进行应用。研究发现:本文讨论并拓展了Kostoska等(2020)的吸收马尔科夫链研究框架,发现特定吸收马尔科夫链路径与全球价值链中的生产路径具有一一对应关系,增加值分解与吸收概率、生产步长与条件平均吸收时间、非等间距价值链测度与马尔科夫奖励过程具有对应关系,且Ghosh逆矩阵和Leontief逆矩阵对应的吸收马尔科夫链在全球增加值分布和最终产品分布下互为可逆吸收马尔科夫链,表明全球范围内的价值链测度在Ghosh逆矩阵和Leontief逆矩阵测度下等价。研究创新:揭示了吸收马尔科夫链与全球价值链位置测度的形式一致性,提供了将吸收马尔科夫结论引入全球价值链测度的理论基础,并基于马尔科夫链中经历不同暂态比例、暂留时间、访问状态空间子集次数和条件首达时间等概念扩充了全球价值链测度内容。研究价值:在一定程度上拓展了全球价值链测度研究方法和内容,揭示了部分价值链测度指标和方法的数学本质,为进一步研究全球价值链测度体系提供了新方法和新途径。

考虑新增样本的中国上市公司马尔科夫分析

使用吸收马尔科夫链对中国上市公司的未来经营状况进行了分析和预测.在前人研究的基础上,本文将相应的分析进行了扩展,考虑了新增样本情况下的上市公司整体经营状况.实证研究表明,考虑新增样本情况下的上市公司整体经营状况与不考虑此因素的结果稍有不同,而这正反映了新增样本的影响.

基于视觉机制的图像显著性检测与提取

通过分析人们快速浏览图片时瞬间捕捉图像区域的分布,提出一种基于视觉机制的图像显著性检测与提取的方法:对图片进行符合视觉机制的显著性检测,将检测后生成的图像进行处理,并将符合条件的对应原图中的显著区域提取出来。研究了采用与SLIC超像素图像分割方法相结合的改进的马尔科夫吸收链进行图像显著性检测,并利用一定方法对显著性检测生成的结果进行处理,最终将对应的显著位置的原图区域提取出来。通过大量的实验结果表明,提出的方法符合人眼实际注意机制,并且能够完整的提取出人眼重点关注区域。

基于对称性区域过滤的显著性区域检测方法

为获得精确、完整的目标区域分割图,提出一种基于对称性区域过滤的检测方法来进行图像分割。利用改进的简单线性迭代聚类算法将图像分割成若干超像素,并以超像素为节点建立吸收马尔科夫链。计算转移节点到吸收节点的被吸收时间,将其作为显著值来获取显著图。根据图像目标区域的对称性特征,对显著图进行对称性检测,获取对称轴,通过两侧像素点到对称轴的距离对图像显著值进行区域过滤,从而获得目标图像分割区域。实验结果表明,该方法提取的图像显著目标区域较阈值分割法、最小生成树法和LRR法提取结果更为完整。

基于频繁子图挖掘的代码相似度比对方法

将代码转化为程序依赖图进行比较是代码相似度比对的方法之一。论文针对传统查找方法效率较低,耗时较长的问题,提出一种基于频繁子图挖掘的代码相似度比对方法。该方法用频繁子图挖掘的过程对程序依赖图进行处理,并用一种吸收马尔科夫链的模型描述该过程;在此基础上,用一种Horvitz-Thompson估计的方法估算相似比。测试结果表明,和传统的方法相比,这种方法可以有效提升准确率和效率,适用于更大规模的代码段。