面向离散粒子多尺度分析CPU/GPU架构的并行近邻搜索算法

离散粒子法在解决前沿科学和工程领域中的复杂多尺度问题中具有广泛的应用。针对离散粒子大规模多尺度计算中相邻粒子对搜索过程计算复杂度显著增加和并发度下降的问题,提出了一种适用于众核架构(CPU/GPU)的高并发、低内存占用并行近邻搜索算法。通过提出一种基于多层嵌套网格概念的层间相互作用方法,解决了不同层级间粒子对相互搜索时的数据竞争问题;通过引入非对称映射方法,避免了粒子在多级链表上的全映射,降低了内存消耗。一系列数值实验表明,该算法可有效处理108量级粒子体积跨度变化的多尺度问题,相较于传统算法可取得2~8倍的加速效果和更低的内存消耗特性,基于GPU的算法实现可达到当前领先的计算效率。

基于SOFM和快速最近邻搜索的网络入侵检测系统与攻击分析

近年来越来越多的机器学习算法被应用到入侵检测中.但是在网络入侵检测系统(NIDS)中,随着网络规模和速度的增加,一般机器学习算法难以满足入侵检测系统实时性的要求,这也是困扰机器学习算法在入侵检测领域进一步实用化的主要瓶颈之一.为了增加网络入侵检测系统的可用性和实时性,提出了一种基于自组织特征映射(SOFM)的网络入侵检测系统,并且在此基础上实现了一种面向提高入侵检测效率的快速最近邻搜索算法VENNS,以减少系统训练和系统检测时间开销.在DARPA1999入侵检测评估数据的基础上,进行了系统的综合性能评价和对比分析.实验证明,系统在维持较低误报率的基础上取得较高的检测率;系统效率大大提高:训练时间开销大约达到改进前的14,检测时间开销则约达到改进前的17.

高维特征下快速近邻法的定位点选择及在手写汉字识别中的应用

在采用最近邻法进行模式识别时,减小搜索的计算量是一个重要的问题,对于在线识别尤为重要,解决的途径之一是采用快速搜索近邻法。快速近邻法在将样本集分级后,若采用样本均值作为子集圆心,则求取所得的样本子集半径将大于其实际半径。该文介绍了一种高维特征情况下的样本子集圆心的求取方法,根据该方法求得的样本子集圆心与样本均值存在一定的距离,且求得的样本子集半径较小。将这两个圆心以及子集中特征累加值最大和最小的样本作为定位点,应用于基于三角不等式的搜索算法的样本排除规则,大大减少了搜索的计算量。在手写汉字识别实验中,基于该方法的快速近邻法识别速度更快。

基于AKAZE和MSRCR增强的红外图像目标提取

针对运动平台上的红外热成像仪拍摄目标出现偏离,模板与目标无法匹配,提出结合MSRCR图像增强的AKAZE算法红外图像目标提取的方法。该方法采用MARCR增强红外图像,采用频域低通滤波去除图像噪声,使用AKAZE进行快速多尺度特征提取,生成特征点描述子。采用FLANN快速最近邻逼近搜索算法,快速匹配特征点。利用RAN-SC随机抽样一致性算法,剔除误匹配特征。该算法避免通常计算量大、匹配错误、目标轮廓不清晰等不足,有助于移动平台上定点红外检测。

基于最优密度估计的密度峰值聚类算法

针对密度峰值聚类算法(clustering by fast search and find of density peaks,DPC)聚类无特定形状的实际数据集时聚类精度欠佳的问题,提出一种最优化密度估计的密度峰聚值类算法。使用最优Oracle逼近(Oracle approximating shrinkage,AS)计算出最优协方差矩阵,利用最优协方差矩阵构造马氏距离,通过最优协方差矩阵提高DPC对数据相似度的区分能力,在此基础上结合K近邻算法,实现数据样本密度最优估计,利用最优密度估计提高DPC对实际数据集的聚类精度。在人工数据集和UCI真实数据集上进行仿真实验,实验结果表明,改进DPC算法的思路是可行的。

基于改进的ORB算法的工件图像识别方法

针对传统的工件图像识别算法运行速度慢、匹配精度差等问题,提出一种改进的ORB(Oriented FAST and Rotated BRIEF)算法解决工件图像的实时与准确识别问题。该算法的流程是首先利用ORB算法提取工件图像的角点特征,随后为其添加SURF(Speed-Up Robust Features)描述符进行方向分配,得到具有旋转尺度不变性的图像角点,结合快速近似最近邻搜索算法进行特征点的匹配,实现工件图像的识别。实验结果表明:在图像存在旋转尺度变化的情况下,使用改进的ORB算法相比传统的ORB、SIFT(Scale Invariant Feature Transform)和SURF算法以及SIFT+SURF、SURF+FREAK组合算法在工件图像角点提取与目标匹配方面速度更快,识别精度更高,提高了工业机器人在搬运工件过程中对工件图像的识别效率和准确性。

基于深度概率图模型的鲁棒人脸画像合成

针对基于数据驱动的人脸画像合成算法像素特征缺乏对光照变化和复杂背景的鲁棒性,常合成低质量的画像的问题,文中提出基于深度概率图模型的鲁棒人脸画像合成算法.采用预处理方法调整测试照片的光照亮度和人脸姿态,使之与训练照片一致.采用深度特征代替像素特征进行近邻匹配,采用深度概率图模型对画像重建权重和深度特征权重联合建模,得到合成画像的最佳重构表示.为了提高画像合成速度,提出快速近邻搜索方法.实验验证文中算法的鲁棒性和快速性.

航拍视频中运动目标检测算法研究

针对复杂背景下航拍视频中的运动目标检测问题,提出一种基于改进的特征匹配算法与全局运动补偿的防抖方法,以及结合多帧能量累积的运动目标检测算法。首先,采取局部区域匹配法加快该算法的处理速度,避免运动目标对背景补偿的影响;其次,利用尺度不变的SURF算法,结合快速近似最邻近搜索算法得到匹配点对,并通过双向匹配和K-近邻算法筛选优秀匹配点;然后,建立仿射变换模型,求解运动参数,并进行运动补偿;最后,通过多帧能量累积进行目标检测。仿真结果表明,该方法具有良好的运动目标检测效果。

基于岭回归与最近邻搜索的人脸画像合成算法

针对现有人脸画像合成算法复杂度高、合成速度慢的问题,提出了一种基于岭回归与最近邻搜索的快速人脸画像合成算法。该算法的核心是利用岭回归由人脸照片块获得初始合成画像块,并在此基础上利用最近邻搜索在训练画像块样本集中找到与初始合成画像块最相似的画像块作为最终合成画像块,使得细节纹理更具画像风格,并将合成画像块拼接得到合成人脸画像。通过仿真实验表明,该算法不仅能由人脸照片合成出高质量的人脸画像,且具有计算复杂度低、合成速度快的优点。

基于改进模糊核聚类的室内定位方法研究

针对室内定位中,WiFi位置指纹法存在的定位实时性和精度的问题,提出一种基于改进模糊核聚类(KFCM)和加权K近邻(WKNN)结合的室内定位方法,旨在降低定位时间和改善定位精度。首先利用快速搜索和发现峰值聚类(CFSFDP)确定聚类数目和初始聚类中心,克服KFCM算法对初始聚类中心选取的依赖性而导致聚类结果不稳定的缺点,在此基础上,采用WKNN进行定位匹配,提高定位精度。实验表明,所提出方法相较于无聚类的室内定位方法,能在保证一定精度的前提下,减少定位计算量和时间。此外,将所提出方法与基于K均值、KFCM和CFSFDP的方法进行实验对比,结果显示,该方法具有更好的聚类效果和定位精度。

矢量量化快速搜索算法的研究

为了进一步降低矢量量化的运算量,提出了一种新的快速搜索算法。在最近邻域搜索算法的基础上,提出了一个基于矢量分割的一般性码字排除准则。该准则综合利用子矢量的均值和方差参数,构造了一个判决不等式来排除不可能的码字。算法中子矢量的个数设定为2。实验结果表明,该算法的运算时间是改进的等均值等方差最近邻域搜索(IEENNS)算法的80%左右。该算法的性能要优于以往的几种基于不等式判决的快速搜索算法,可以应用在语音和图像编码算法中。

基于改进曲率尺度空间算法的电力设备红外与可见光图像配准

针对现有电力设备红外与可见光图像配准难度大、配准时间长等问题,提出一种改进曲率尺度空间(CSS)算法的电力设备红外与可见光图像配准方法。首先引入Freeman链码差提高CSS算法的特征点提取精度,其次为每个特征点分配点到弦的垂直距离特征主方向,采用加速稳健特征变换(SURF)算法获得特征描述算子,最后利用双边快速近似最近邻(FLANN)搜索匹配方法和随机抽样一致(RANSAC)方法得到正确的匹配点对,获得仿射变换模型参数。实验结果表明:改进CSS图像配准方法与SURF、尺度不变特征变换(SIFT)、CSS配准方法相比性能指标均有显著提升,平均均方根误差(RMSE)较其他3种算法分别降低了77.73%、80.32%、7.63%;平均匹配时间分别降低了30.82%、40.12%、10.57%,提高了电力设备红外与可见光图像配准的效率。