基于边界剥离思想的全局中心聚类算法

全局中心聚类算法如k-means、谱聚类在类簇分布出现重叠粘连现象时往往容易陷入局部最优且参数难以设定,极大地限制了全局中心聚类算法在实际应用中的效果。为解决此问题,提出了一种基于边界剥离思想的全局中心聚类算法。首先,设计了一步边界剥离法,根据样本点间的反向k近邻关系定义了一种局部距离加权密度,并利用密度经验分布函数一阶差分最大处的密度值作为阈值将数据集分为边界集与核心集。其次,嵌入传统的全局中心聚类算法对核心集进行聚类,得益于核心集的簇间重叠问题已明显改善,嵌入算法将更容易收敛到真实的簇中心。最后,提出一种边界吸引算法,从已被归类的核心集样本点出发,借助已有的反向k近邻关系迭代融合边界集中的样本点以完成对整个数据集的聚类。相较于目前以迭代方式进行的边界剥离算法,所提算法在计算效率上具有明显优势,不需要额外设定复杂的终止条件而直接通过阈值进行边界划分,并且全局性方法在数据局部密度存在差异的情形下具备更强的鲁棒性。在实验阶段,采用3个合成数据集以及6个真实数据集从算法性能、参数敏感性、时间消耗多个方面进行评估,实验结果进一步验证了此算法的有效性与实用性。

基于改进樽海鞘群算法的特征选择方法

针对樽海鞘群算法求解精度不高、收敛速度慢、容易陷入局部最优等问题,提出融合多种策略的改进樽海鞘群算法CESSA。在初始化种群时引入无限折叠混沌映射,增加初始种群的多样性;在领导者位置更新处融入非线性收敛算子,提高算法全局勘探收敛速度,增强解的精度;根据适应度值的优劣对追随者位置分别采用收敛算子和随机数扰动方式进行更新。改进算法CESSA与K近邻分类器结合构成特征选择模型CESSAFS并用于数据分类。在8个基准函数和10个UCI数据集上分别对CESSA和CESSAFS算法进行测试,其结果表明,改进算法性能更优。

基于SIFT算法的电动车充电孔双目视觉识别技术

基于双目视觉理论提出一种适用于不同光强、背景和任意形状充电插孔的高精度充电孔识别与定位方法。采用SIFT特征提取算法生成高斯差分金字塔进行尺度空间构建,应用机器学习最近邻搜索特征匹配算法获取匹配点映射集合,并配合半全局匹配方法进行视差计算得到高精度充电孔匹配和定位结果。通过试验验证了所提算法的有效性,得到了较为理想的匹配与测距结果。

基于修正全局最近邻的有系统偏差的航迹关联算法

针对存在系统偏差的传感器的航迹关联问题,提出了一种修正全局最近邻的航迹关联算法。该算法利用航迹的位置偏差和航迹间距离偏差进行航迹预关联,并建立航迹关联距离矩阵,通过对关联距离矩阵最优分配实现航迹的实时关联。仿真结果表明该算法具有很好的鲁棒性,具有工程应用价值。

基于多传感融合的目标跟踪方法研究

针对单一传感器对前方车辆识别准确率低的问题,基于多传感器融合模型建立了1种目标车辆识别方法。首先开展摄像头与毫米波雷达的联合标定,实现多传感器在时空上的融合;然后引入全局最近邻算法对雷达和摄像头各自采集的目标序列与跟踪目标进行数据匹配,确定跟踪目标的2组局部估计;最后通过D-S证据理论对2组目标序列进行优化组合,获取车辆行驶状态的最优结果,从而实现对目标的识别。通过Matlab/Simulink联合搭建试验平台对所研究的融合模型进行算法验证。试验结果表明:该融合算法在不同天气条件下对目标的平均检测率为88.3%,可实现对目标车辆的准确识别与跟踪。

基于全局最小化活动轮廓的多目标检测跟踪

为了在噪声干扰以及目标和背景颜色相近情况下实现多目标跟踪,提出一种基于快速全局最小化的活动轮廓模型的目标检测跟踪算法。该算法结合了基于边缘的活动轮廓模型和基于区域的活动轮廓模型,对能量泛函进行全局最小化来检测目标活动轮廓,用卡尔曼滤波预测目标下一帧的特征信息,然后用改进的最近邻法进行多目标跟踪。对图像序列的实验结果表明该算法能有效地对运动背景下多目标进行跟踪。

一种利用图进行图像分割的高效方法

利用图像的图表示定义了一个衡量区域间边界存在性的谓词函数,在此基础上给出了一种运行时间与图中边的数目成近似线性,实际效果良好的有效图像分割方法。方法具有在高可变性区域时忽略细节,在低可变性图像区域时保存细节的能力.

基于K-近邻算法的文本情感分析方法研究

为了识别网络文本的情感倾向性,通过分析文本结构以及情感表达的特点,提出了一种基于K-近邻的文本情感分析方法,将整个文本的情感划分为局部情感和全局情感。建立条件随机场模型,确定文本中的局部情感,通过K-近邻算法计算文本的全局情感。实验结果表明,与传统机器学习方法相比,该方法能细粒度、多层次的分析文本的情感,同时能有效提高情感分析的准确率。

基于最近邻接点的涡点搜索算法

为了实现对优化迭代初始点(涡点)的预处理,保证从各个初始点迭代得到不同的局部最优点,进而通过对比研究获得全局最优点,提出了以基于Pan-距离的最近邻接点搜索为核心、涡点之间必有凸起为判断准则的涡点搜索算法。该算法以Pan-距离作为高维数据点之间的相似度描述参数。基于Pan-距离的高维空间邻接点搜索算法有效地降低了涡点搜索的计算负担。算例结果表明,在抽样点密度足够的情况下,该算法可实现高维空间涡点的快速有效搜索。

一种综合运动检测和视觉跟踪的智能监控系统

智能监控是当前计算机视觉领域中的热点问题之一。本文提出了一种运动检测与视觉跟踪相结合的智能监控系统,能自动完成轨迹的初始化和终止,能够对数目可变的目标进行自动跟踪。该系统首先利用基于颜色空间模型的阈值化背景减法提取出运动目标,然后结合基于MCMC的颜色粒子滤波器和全局最近邻法对多个目标进行跟踪。并基于OpenCV机器视觉库搭建了智能视频监控平台。实验表明,该系统可以实时有效地检测、跟踪数目变化不定的运动物体。

基于形状与纹理特征的显微图像识别

为了实现对空气中的致敏花粉信息进行自动化统计,针对上海地区典型气传致敏花粉的光学显微镜图像,提出了基于形状和纹理特征的识别方法。对图像中分割得到的花粉区域,使用全局形状描述和傅里叶描述子提取形状信息,灰度共生矩阵提取纹理特征,并且构建k近邻分类器进行识别。选用桑科56例、禾本科25例和松科60例共141例实验样本,分别可以实现91%、88%和98%分类准确率。实验结果表明,该方法可以初步实现对花粉显微图像的分割和识别,为花粉的自动识别系统打下基础。

基于耦合网络的Henon映射混沌性研究

本文针对Henon映射,应用在全局耦合网络、最近邻点耦合网络、星型网络三种耦合网络结构中,验证Henon映射在三种网络网络结构中满足的混沌条件,并分析初始状态下Henon映射在耦合网络中的情况。研究在不同参数条件下,不同耦合网络对于Henon映射的影响。

全局与局部模型对QSAR／QSPR预报能力比较

针对两组数据进行了比较讨论,试图说明在QSAR／QSPR研究中经常碰到的一个基本问题。第一组为一散布度(diver- sity)很大分子结构多样化的大样本数据;第二组则是按照分子结构相似度筛选出来的散布度较小结构相似的小样本数据。对于第一组数据,因数据集分散,全局模型难以完全描述物质结构特征与其性质之间的关系,所得回归结果很差(检验集相关系数Q2=0．68、平均预报偏差(RMSEP)=40．65)。试采用新近提出的局部懒惰回归(Local lazy regression,LLR)对其进行改善,但实际结果是局部模型的效果更差(Q2=0．60、RMSEP=45．05)。继对散布度较小且相对均匀(结构相似)的数据集用LLR方法建立局部模型,此时得到的预报结果(Q2=0．90、RMSEP=24．66)却明显优于全局模型(Q2=O．86、RMSEP=29．37)。