基于以像素块计算L2距离的块纹理合成

在基于MRF模型的块纹理合成中,计算两纹理块之间的L2距离和寻找最佳纹理匹配块都是非常耗时的过程。计算纹理块之间的L2距离是纹理合成中的瓶颈问题,制约着纹理合成的速度。针对合成速度问题提出一种新的基于以像素块计算两纹理块之间L2距离的块纹理合成方法。在计算两纹理块之间L2距离时不逐个像素点地进行计算,而将多个像素点视为一个像素点进行计算,极大地提高了计算两纹理块间L2距离的速度。该方法可以在几乎不影响图形合成质量的前提下,将纹理合成的速度提高数倍甚至更高。

基于升阶矩阵的有理曲面之间L_2距离计算

计算曲线曲面之间的距离是几何设计与几何逼近的一个重要课题,如估计有理曲线曲面的降阶逼近和多项式逼近的误差时,需要一种简洁有效的方法来计算原曲线曲面和逼近曲线曲面间的距离.首先给出了基于升阶矩阵的两张有理B啨zier曲面的L2距离表示,然后利用这个L2距离表示和最小二乘法,对有理B啨zier曲面多项式逼近的误差作了明确而统一的度量.最后,基于Bernstein基与B样条基的相互转换,把有理B啨zier曲线曲面的L2距离表示简洁地推广到有理B样条曲线曲面.所得到的几个计算曲线曲面之间的L2距离的公式均可通过矩阵运算表示,十分利于程序的实现,有应用价值.最后还给了几个实例.

基于L1-范数距离的最小二乘对支持向量机

最小二乘对支持向量机(LSTSVM)是一种有效的分类技术。然而,该方法需计算点到平面的平方L2-范数距离,从而易受野值或噪声的影响。为了缓解此问题,提出了一种有效的鲁棒LSTSVM方法,即基于L1-范数距离的LSTSVM(LSTSVM_(L1D))。该方法由于使用L1范数作为距离度量,因此不易受到野值或噪声数据的影响。此外,设计了一种有效的迭代算法,旨在求解目标问题,并从理论上证明了其收敛性。在人工数据集和UCI数据集上验证了LSTSVM_(L1D)的有效性。

加权距离下模糊数的区间逼近

在加权L2距离意义下得到了模糊数的最近区间逼近。基于此,引入了最近区间逼近算子,并讨论了这个算子的基本性质,证明了算子关于加权L2距离Lipschitz连续,其Lipschitz常数为1。

一种基于自适应加权的鲁棒联邦学习算法

联邦学习(Federated Learning,FL)允许多个数据所有者联合训练机器学习模型,而无需他们共享私有训练数据。然而,研究表明,FL容易同时遭受拜占庭攻击和隐私泄露威胁,现有的研究都没有很好地解决这一问题。在联邦学习场景中,保护FL免受拜占庭攻击,同时考虑性能、效率、隐私、攻击者数量、简单可行等问题,是一个极具挑战性的问题。为解决这一问题,基于l 2范数和两次归一化方法提出了一种隐私保护鲁棒联邦学习算法DP-FedAWA。提出的算法不需要训练过程之外的任何假设,并且可以自适应地处理少量和大量的攻击者。无防御设置下选用DP-FedAvg作为比较基线,防御设置下选用Krum和Median作为比较基线。MedMNIST2D数据集上的广泛实验证实了,DP-FedAWA算法是安全的,对恶意客户端具有很好的鲁棒性,在Accuracy,Precision,Recall和F1-Score等性能指标上全面优于现有的Krum和Median算法。

二维纹理合成算法优化研究

基于已有的二维纹理合成算法,提出了基于样图纹理合成的优化算法。在合成过程中,通过多种子点选择、以螺旋状路径在原图中搜索新匹配点、边界扩充、L2距离计算优化等技术加速合成过程,提高合成质量,实验结果取得了令人满意的效果。

基于B-样条曲线聚类法在锂电池衰退方面应用

提出了一种对锂离子电池衰退模式进行分类的新方法。引用L2距离的概念代表衰退曲线的相关程度,通过均匀B-样条曲线函数建立锂电池衰退曲线与聚类算法之间的联系,大大减少衰退模式的种类。最后搭建了锂离子动力电池实验平台,借助实验数据建立模型,验证了算法的准确性。

基于小波分解的统计特征哈希

为了提高图像的拷贝检测效率和识别性能,提出一种基于小波分解的统计特征哈希.对图像预处理后通过三级小波分解提取图像的近似图像,再提取第3次小波分解所得近似图像的行与列的统计特征;将行与列统计特征的L2距离作为图像的不变特征,并将所有不变特征联合作为图像的最终哈希.实验结果表明,所提出的哈希算法的拷贝检测识别性能较好,效率较高.

面向鲁棒性的孪生有界支持向量机分类算法

孪生有界支持向量机(Twin Bounded Support Vector Machine,TBSVM)是近期提出的一种优秀的距离度量学习二分类算法。在TBSVM的目标函数中,使用L2范数距离作为度量准则,因此当训练样本中出现异常值或噪声时,L2范数距离的平方很容易夸大它们的影响。为了缓和这一问题,本文提出了一种鲁棒的基于L1范数距离度量的TBSVM分类算法(L1-TBSVM)。由于L1-TBSVM的目标函数中包含了非平滑的L1范数项,很难直接对它进行求解,故我们通过迭代增广向量来更新对角矩阵,直到目标函数值收敛到一个固定值,以此来获得最优解。该迭代算法简单有效,且易于实施。最后,通过合理的理论分析,以及在UCI数据集和人工数据集上的大量实验,检验了L1-TBSVM算法的可行性和有效性。

基于颜色矢量角度直方图与DCT压缩的鲁棒哈希算法

目的为了改善哈希序列对篡改内容的正确识别率和鲁棒性,提出基于颜色矢量角度直方图耦合离散余弦变换压缩的鲁棒哈希算法。方法结合插值运算和Gaussian滤波器,对图像实施预处理,使其对于任意的认证目标均可产生一个固定长度的哈希序列;引入极坐标变换LPT(Log-polar transform),对规范尺寸图像完成坐标变换,输出二次图像;借助SVD(SingularValueDecompostion)方法来处理二次图像,输出全局鲁棒特征;提取规范尺寸图像中所有像素分量的颜色矢量角度,并计算其对应的直方图,形成色彩感知特征;将全局与色彩感知特征组合,将其视为1D哈希序列;基于离散余弦变换DCT(Discrete Cosine Transform),对1D哈希序列实施压缩,输出一组交流系数;引入Logistic映射,根据其输出的混沌序列来设计差异加密方法,对交流系数实施扩散,从而形成目标哈希序列。基于l2范数距离和优化的识别阈值,对待检测图像内容的真伪实施判别。结果试验结果显示,相对于已有的哈希机制而言,所提方案具备更强的鲁棒性,对各类几何攻击均有更高的检测准确度。结论所提哈希方法具有较高的鲁棒性与识别正确率,对商标检索、信息防伪等领域具有较好的参考价值。

基于多方向互交叉模式算子与极坐标变换的鲁棒图像哈希算法

为了提高哈希序列对几何攻击的鲁棒性与正确识别率,设计了基于多方向互交叉模式算子与极坐标变换的鲁棒哈希算法。引入插值运算与Gaussian滤波器,完成图像的尺寸规范化与去噪处理,使其对于任意的可疑目标均可输出一个固定长度的哈希序列。基于极坐标变换(log-polar transform,LPT),对滤波规范图像实施处理,输出抗旋转攻击的二次图像。随后,利用多方向互交叉模式算子,从8个方向将二次图像变换为两个编码映射。将两个编码映射分割为非重叠子块,通过提取这些子块的直方图,将其视为纹理特征,作为第一个哈希序列。利用强度概率密度梯度代替强度梯度,对SURF (speeded up robust features)方法予以改进,充分提取图像中的稳定角点,形成角点图像;将角点图像分割为一系列的非重叠子块,通过计算每个子块所含的角点数量,将含有结构信息最丰富的子块予以标记,输出其在图像中对应的位置信息;并借助离散小波变换(discrete wave transform,DWT)来分解这些标记子块,获取每个子块对应的低频系数。联合位置信息与低频系数,形成结构特征,作为第二个哈希序列。设计加密机制,分别对两个哈希序列完成扩散,从而形成最终的哈希序列。通过计算源图像与可疑图像之间的l_2范数距离,将其与用户识别阈值的大小对比,对目标的真实性完成判别。试验数据显示:较已有的哈希生成机制而言,所提方法拥有更高的鲁棒性,对各类几何攻击均有更高的识别准确率。