基于并行权重自适应k-邻域算法的图像分类方法

针对现有KNN算法识别率低的问题,提出了一种并行权重自适应k-邻域算法。该方法首先结合多线程技术,并采用分类组合的多个KNN单元进行识别以提高执行效率;其次在分类组合KNN算法中采用深度学习模型对各个类别进行了系数权重自适应设定,进而降低传统KNN和分类组合KNN,由于单纯类别个数的多少进行决策或者通过人为设定类别比例进行决策而引起的分类误差。通过在Fashion MNIST手写数据集进行实验,结果表明:该算法将传统的KNN算法分类正确率提高到97%左右,对实际应用具有一定的价值。

基于k-邻域密度的离散点云简化算法与实现

提出一种基于k-邻域密度(即k-邻域中的点云密度)的离散点云简化算法,并给出了在三角网格重构中的实现.该方法不仅可以保证实物模型重建后的整体轮廓,而且在细节部分也较好地保持了局部形状特征.三角网格重构的实验结果表明,所给方法简单、高效,同时,在实物模型平滑处与曲率变化较大处均取得了理想效果.

基于k-邻域相关性的多标签分类

多标签分类是指数据可以同属于多个类的分类问题,其数据特征和标签间相关性对分类结果存在影响。因此,提出一种融合前述两种因素的多标签分类算法。将数据用核函数进行特征映射,根据训练数据的k-邻域计算得到每个标签的最大后验概率;并将其加入到对应的数据特征中。用加入最大后验概率的数据特征训练分类器。通过在经典的yeast、scene和emotion数据库上实验,证明了算法的有效性。

K-邻域法对不同形态植被点云数据特征的提取

以三维激光扫描仪获取的点云数据为数据源，在分类裁剪得到不同自然地物的点云数据基础上，介绍了利用K-邻域法对不规则的自然地物点云数据进行邻域检索，通过设定尺度参数k的值对高矮不同的植被进行特征点的提取算法。通过实验对提取后的结果进行比较分析。结果表明：尺度参数的设置对点云密度较大的低矮植被效果明显，对于密度相对稀疏的高植被影响不大，参数k设置在3~5之间效果显著。

邻域系统与k-步粗糙模糊集

关于粗糙模糊集的性质已有学者进行了研究,吴伟志、张文修建立了基于一般二元关系的k-步邻域系统与近似算子系统的理论框架。本文在此框架下结合模糊概念,提出了k-步粗糙模糊集的定义,并作了研究,得到了相应的结果。

基于天气雷达的风切变识别研究

风切变是影响航空飞行和着陆安全的重要因素,为提升风切变的识别效果,首先利用“K-邻域频数”法对天气雷达数据进行质量控制,并针对不同的距离库讨论窗口尺寸对数据结果的影响。结果表明,采用多种窗口的质量控制能有效剔除噪声数据,并充分填补缺测点和缺测区域。其次对最小二乘法的识别区域进行改进,在雷达覆盖范围内各区域均有良好表现。使用直接差值滤波法和改进最小二乘法对阜阳地区的一次龙卷过程实例进行风切变的识别研究,对比两种方法的识别结果发现,在距雷达中心10 km内的区域,最小二乘法有较低的误识别率;在距雷达较远区域,该方法亦能精准识别风切变现象发生。

多普勒天气雷达风场退模糊方法的研究

文章提出了对多普勒天气雷达的风场信息进行预处理的“K 邻域频数法” ,该方法物理统计意义比较明确 ,能够有效地处理风场信息中的“噪声”问题。在此基础上 ,设计了单径向的速度扩展算法 ,并提出了“双径向 双切向”的方法 ,其效果与美国WSR 88D、NSSL和FSL的算法相当。该文还设计了一个界面十分友好的人机交互方法 ,可以达到约 90 %以上的速度扩展正确率 ,是对传统的人机交互方法的极大改进。

空间分割与曲率相融合的点云精简算法研究

非接触式扫描方法获得点云数据存在大量的冗余数据。为便于模型重构,针对点云数据精简是必不可少的数据预处理手段,提出了一种基于空间分割和曲率特征信息的点云数据精简算法。通过K-邻域计算、二次曲面拟合、曲率估算和曲率阈值可调的数据分区等关键精简技术,实现了对同一数据不同区域应用不同精简算法,进行不同比例的数据精简。实例验证表明,该算法能适应各种类型曲面数据的精简要求,保证精简效率的同时,很好地保留点云的特征信息。

算法复杂性平滑分析的研究进展与展望

有很多算法其最坏情况复杂性很坏 (甚至是指数阶的 ) ,但在实际应用中却很有效 其中一个典型代表就是求解线性规划问题的单纯形算法 最近 ,Spielman和Teng提出了算法的平滑复杂性概念及算法复杂性平滑分析方法 ,对上述矛盾给出了合理的解释 ,在理论计算机科学界引起了极大的关注 为此 ,做了以下工作 :介绍算法复杂性平滑分析的基本概念 ;介绍两年多来算法复杂性平滑分析主要的研究进展 ;从实际应用出发提出一个更合乎算法复杂性平滑分析思想的随机扰动模型 (简称TSSP模型 ) ,克服“PartialPermutation”随机扰动模型的不足 ,并证明在TSSP模型下快速排序算法的时间平滑复杂性为O(2λn×log2 (n) ) ,其中λ是随机扰动幅度大小 最后 。

琼州海峡客滚船渡海车辆配载优化决策研究

为提高琼州海峡客滚船配载决策水平,引入矩形件排样优化理论,以船舱面积利用率最大为目标,建立基于矩形件排样优化理论的客滚船配载决策模型,融合最低水平线算法和K-邻域搜索的遗传算法对模型进行求解。通过模拟不同场景下的客滚船渡海车辆的配载决策过程,得出不同场景下的配载决策方案。在一般场景下或港口出现车辆积压情况时,船舱面积利用率能够达到96%;客滚运输业务处于淡季时,也能输出合理的配载方案。验证了客滚船配载决策模型及算法的有效性。

基于离散点曲率的细胞图像形状特征表述

针对细胞图像形状特征的描述,提出了基于离散点曲率描述细胞图像形状特征,并提出了一种基于k-邻域内密切圆半径的离散点曲率计算方法。首先,通过Canny边缘检测算子提取细胞图像初始轮廓,再利用直线插补的方法将存在较大间断的初始轮廓填充完整;其次,依据密切圆半径与曲率的计算关系,通过对每一个轮廓点进行k-邻域内的密切圆圆心的定位和密切圆半径的计算求得各轮廓点处的离散点曲率;最后,将求得的离散点曲率作为形状特征描述因子描述细胞图像形状;同时,在不同k-邻域范围的情况下分别对同一细胞图像进行离散点曲率的计算和形状特征的描述,通过分析与比较,最终确定一个能以最少特征点反映更多细胞图像信息的k-邻域范围。经实例验证,基于k-邻域内密切圆半径的离散点曲率能够准确、可靠、高效地描述细胞图像形状特征。

基于正反馈的支持向量机

在分析现有的基于高斯核的支持向量机(包括基于K-邻域法的支持向量机)的优缺点的基础上,通过对支持向量机之所以能够描述数据集的分布特征的本质进行分析,突破目前在构造支持向量机中存在的"所有支持向量与样本之间的在特征空间中的内积所对应的核函数参数一定要相等"的这一苛刻要求,提出了用于模式识别的基于正反馈的支持向量机。给出了基于正反馈的支持向量机的算法。通过对人工数据和现实数据的仿真实验,表明基于正反馈的支持向量机在推广性能方面明显优于现有的支持向量机。

引入曲面变分实现点云法矢一致性调整

针对现有法矢一致性调整算法效率不高、准确度低的问题,引入曲面变分改善该类算法的性能。首先通过主成分分析法估算点云的法矢和曲面变分,然后用曲面变分区分平缓点与非平缓点。调整法矢时,采用缩小待调整法矢的搜索范围到k-邻域内和增加每次搜索时法矢传播个数的策略来提高效率;采用约束法矢传播方向的方法保证准确性。试验结果表明,该算法在平缓区域、尖锐特征区域和高曲率区域均能得到正确的法矢调整结果,且算法效率较已有方法更高。

基于点云数据的去噪算法研究

阐述了点云数据的去噪方法的研究情况,并对几种经典的去噪算法进行了介绍分析,对其优缺点进行了总结.通过实验对各种主要算法进行了有效性检验,并对目前及未来的研究重点做了展望.

雪莲花产地鉴别的近红外光谱分析方法

以青海、西藏、云南和新疆4个不同产地的雪莲花为研究对象,利用K-最近邻域(KNN)模式识别方法建立雪莲花产地鉴别模型,模型参数K和主成分因子数(PCs)通过交互验证的方法优化;同时比较了标准正态变量变换(SNV)、多元散射校正(MSC)、一阶导数和二阶导数4种预处理方法对模型结果的影响。试验结果显示,通过SNV光谱预处理后,在K为3和PCs为5时,所得到的模型最佳,模型交互验证识别率和预测识别率均为100%。研究表明,近红外光谱技术结合KNN方法可以成功鉴别雪莲花产地。

一种改进的点云数据组合精简算法

在逆向工程中,点云数据的精简是一个重要的步骤,精简的质量直接关系到后续曲面重构的效率。文章针对广州灰塑曲率较大,凹凸面较多的特点,提出了一种基于曲率和均匀精简的点云数据精简方法:利用包围盒法对散乱的点云数据进行拓扑规则排序,建立点的K-邻域集,计算点云在某点处的曲率,在曲率较大处保留更多的特征点,但是曲率较小处会删除较多的点云数据。文章在此基础上再利用均匀网格的方法对初始精简后的点云进行重采样处理,使得曲率较小处的特征点也能保留下来。

雷达数据预处理算法研究

目的:对多普勒雷达原始数据进行预处理。方法:利用K-邻域频数法分析不同参数的选取对于结果的影响,并结合雷达原始资料的实际情况,在参数的选取方法上进行了优化,并用不同的窗口大小去适应不同的区域。结果:在速度退模糊起始点的选择上做了补充,使得去噪补缺的效果更好,速度退模糊的效果大大改善。结论:提出了寻找退模糊起始点的方法。

一种图像空间下的ICM聚类方法

针对图像聚类问题,提出了一种基于图像空间关系的聚类方法,采用场模型描述图像之间的空间关系,利用K-近邻思想构建图像邻域系统,聚类过程中无需手动标记特征表示的图像类别信息,只需要给定初始类别数,通过条件迭代算法(ICM)对图像进行聚类。该文通过实验分析了图像样本大小、图像特征维数、图像特征类型、初始类别标签对聚类结果的影响,通过与多种经典聚类算法进行对比,实验结果充分验证了该方法的有效性。

基于冗余约简和缺失数据修复的电力工程智能评审迭代式框架

为解决优化改进标准、规范化的评审核心数据体系构建以及评审规则库。提出一种基于冗余约简和缺失数据修复的电力工程智能评审迭代式框架。采用粗糙集算法约简评审历史数据维度,得到评审的关键指标,建立多分类Softmax模型对数据样本进行多元分类,形成规则库映射。针对部分样本数据缺失问题,根据Softmax评审结果迭代进行k-邻域(k-NN)构造和缺失数据修复,实现在优化的评审规则库中,相似样本具有相同评审结论。实验结果表明,本文所提方法可提升评审基础数据价值密度,评审规则精度、效率有明显提升,可支撑“新基建”评审业务开展。

一种多普勒雷达原始资料处理方法的应用研究

文章利用物理、统计意义较为明确的"K-邻域频数法"对多普勒雷达原始资料进行处理,即在"k-邻域频数法"统计的基础上,将多普勒速度在切向上扩展,有效处理了风场信息中的噪声、跳跃点和缺测等问题。