Intrusion Detection Method Based on Improved Growing Hierarchical Self-Organizing Map

Considering that growing hierarchical self-organizing map(GHSOM) ignores the influence of individual component in sample vector analysis, and its accurate rate in detecting unknown network attacks is relatively lower, an improved GHSOM method combined with mutual information is proposed. After theoretical analysis, experiments are conducted to illustrate the effectiveness of the proposed method by accurately clustering the input data. Based on different clusters, the complex relationship within the data can be revealed effectively.

Turbo码MAP译码算法中量化问题的研究

针对Turbo码MAP(MaxaProbability)译码算法的特点 ,对其量化方式进行了分析、讨论与仿真 ;着重讨论了量化范围、量化级数、均匀和非均匀量化等因素对译码器接收比特、前后向递推度量、附加信息和输出似然值的影响 ;分析了相应的译码性能 ;

Google Maps坐标偏移的修正算法

基于Google Maps开发GPS监控系统时,存在Google Maps的地图经纬度坐标与实际的经纬度坐标有较大的偏移的现象。研究发现,通过修正数据库可以进行不同精度的偏移修正。针对修正大量的位置数据时的低效率问题,提出了固定精度下不断改进的四种修正算法,并通过实验得出了不同算法适用于不同情形的结论。

Turbo编解码结构及基于LOG-MAP算法的性能仿真研究

阐述Turbo码的编解码结构。研究MAP以及LOG MAP解码算法。设计MATLAB仿真运算程序。根据设计的仿真程序比较Turbo码在不同约束长度、不同迭代次数以及不同编码速率情况下的性能。由仿真结果得出影响Turbo码性能的主要因素是交织器长度、迭代次数、编码速率。在各种情况下通过增加交织器长度和迭代次数、降低编码速率来改善Turbo码的性能。

一种基于Shadow Mapping的阴影生成改进算法

Shadow Mapping算法是目前广泛应用的阴影渲染方法,但该方法容易产生走样,特别是不能满足大规模场景中阴影的真实性和实时性要求。对此,提出一种利用平行面分割的改进Shadow Mapping算法,减少了算法运行时的缓冲空间,提高了阴影质量,尤其适合于动态大规模环境中实时阴影的生成。并用VS2005和OpenSceneGraph实现了算法的绘制过程,达到满意的视觉效果和生成速度。

基于Map/Reduce的朴素贝叶斯数据分类算法研究

针对目前机器学习研究领域中的数据分类问题,选择朴素贝叶斯算法作为研究对象。首先,通过对样本数据特征属性的权重进行加权调整,提高算法处理的准确率;然后,改进朴素贝叶斯算法分类器模型,使其能够利用Map/Reduce并行编程模型,采用多计算资源节点并行处理,进一步提高处理速度。最后,对UCI dataset数据库进行实验验证,结果表明:改进后的算法在海量数据分类处理中具有更好的性能表现。

一种基于MAP的超分辨率图像重建的快速算法

超分辨率图像重建技术就是通过融合多幅变形、模糊、有噪、频谱混叠的低分辨率降质图像(或视频序列)来重建一幅高质量高分辨率图像.MAP估计算法是一种广泛使用的统计重建方法.针对标准MAP估计算法运算量大的问题提出了两点改进.第1点是当计算梯度时直接计算目标函数的增量,避免了函数值的冗余计算;第2点是采用非精确一维搜索确定步长,避免了运算量庞大的海塞矩阵的计算.实验结果表明,提出的改进在保持重建效果基本不变的前提下,在很大程度上提高了MAP超分辨率图像重建方法的速率,与此同时保证了算法的收敛性.

基于Shadow Maps的实时阴影生成算法改进

为了在三维动画场景中实时生成更逼真的阴影,分析了Shadow Maps阴影生成算法走样和失真问题的原因.采用平均分割与对数分割相结合的方法改进了透视走样问题,采用双阴影图法改进了自阴影绘制问题.在Windows XP环境中,基于Open GL库,编程实现了Shadow Maps算法改进.实验表明,在目前流行的硬件配置环境下,改进后的算法在阴影生成过程中能满足实时渲染帧率要求,同时增强虚拟场景阴影质量.

基于改进PSO算法的MAP图标定点选择新方法

为提高基于MAP图的控制系统驱动效果,并有效减小控制系统内的存储量,提出了一种基于改进粒子群算法的MAP图中标定点择优选取新方法。以液压机械无级变速传动比控制系统中采用的MAP图为例,将其横坐标的两个变量在其定义域内等分,并采用改进粒子群算法选取等分后每段内的坐标点数量和位置。选取过程采用多目标优化原理结合了随机产生100个点的实际值与MAP图线性插值的平均误差以及选定的标定点数量。为提高算法执行效率,对粒子群算法的迭代准则、惯性权重和学习因子进行改进。结果表明,改进后的粒子群算法收敛速度快,寻优精度高,仅需较少的标定数据即可制作控制效果较佳的MAP图。

基于Map Reduce的序列模式挖掘算法

传统数据挖掘算法在处理海量数据集时计算能力有限。为解决该问题,提出一种基于Map Reduce的分布式序列模式挖掘算法MR PrefixSpan。在PrefixSpan算法的基础上,对模式挖掘任务进行分割,利用Map函数处理由不同前缀得到的序列模式,并行构造投影数据库,从而提高挖掘效率及简化搜索空间。采用Reduce函数对中间结果进行规约,得到全局序列模式。在Hadoop集群上的实验结果表明,MR PrefixSpan能减少数据库扫描时间,具有较高的并行加速比和较好的可扩展性。

高性能的Max-Log-MAP线性分段算法研究

针对Max-Log-MAP算法存在译码性能比Log-MAP算法差0.5dB,而Log-MAP算法复杂度大的问题。论文提出了用线性分段(piecewise-linear term:PLT)的最大值运算来替代Log-MAP算法中雅克比公式,并通过研究比例因子对译码性能的影响,获得了最佳的优化Turbo译码性能的方法。研究结果证明,用分段项数r等于3,比例因子s为0.7时,获得的Turbo译码性能略优于Log-MAP算法,而算法的计算复杂度比Max-Log-MAP算法仅增加一次乘法、一次加法和求最大值运算。

基于MapReduce的K_means并行算法及改进

针对传统k_means聚类算法在处理海量数据时所面临的内存不足、运算速度慢等问题,提出了一种基于Map Reduce的K_means并行算法,同时为了改善k_means算法在初始值确定方面的盲目性,采用canopy算法进行改进.实验结果表明,基于Map Reduce的K_means并行算法和改进后的算法均能产生良好的聚类效果,不仅提高了聚类质量,而且在处理大数据集方面,改进后的算法的还能够得到趋近于线性的加速比.

基于Log-MAP算法的Turbo码量化分析

针对AGWN信道,基于Log-MAP译码算法,系统分析与研究了软输入软输出(SISO)Tur-bo迭代译码过程中数据的量化与定点实现。结合数据观察与算法剖析,借助蒙特卡罗仿真给出了接收信息、外信息、信道可信度值、状态度量等数据的定点表示及量化细节,所选择的量化方案达到了译码性能与实现复杂度较好的折衷,量化后性能损失不大于0.15dB。

单帧低分辨率图像的SFMAP高分辨率重建算法

卫星图像的超分辨率处理是基础性和标志性的空间技术。一般情况下很难得到可供处理的一序列卫星图像,单帧图像的超分辨率处理尤为重要。我们提出由单帧欠采样的低分辨率噪音卫星图像重建高清晰卫星图像的最大后验概率估计(SFMAP)算法。通过插值生成多帧低分辨率图像族,模拟亚像元位移的低分辨率图像,参与空域迭代过程,以满足其空域代数方程组的超定问题,在一定程度上解开输入低分辨率图像的混叠,得到高分辨率重建图像。实际处理显示出较好的效果。

低复杂度Log-MAP译码算法的研究

提出用插值函数来计算Log-MAP算法中的校正函数,并在AWGN信道上采用分段差值方法实现了Turbo译码。该算法解决了校正函数计算复杂度较大的问题,消除了译码计算中的指数和对数运算。仿真结果表明:用2段二次样条函数实现的Turbo译码器,其译码性能与Log-MAP算法等价,而计算的复杂度明显降低,运算时间大幅度减少。

混合MAP-POCS算法在压缩视频中的应用

压缩视频的超分辨率算法受到视频压缩算法的影响,比一般序列图像的超分辨率算法复杂。本文在POCS的约束条件中采用了去除块效应的约束集,将去除块效应的操作融入混合MAP-POCS算法的框架中,将其应用于实际压缩视频的超分辨率重建。通过仿真实验结果证实,本文采用的算法在较低码率的压缩条件下具有更好的重构效果。

基于云计算的Web数据挖掘Map/Reduce算法的研究

随着互联网技术的广泛应用,网络上处理海量数据成为网络发展的关键,论文主要介绍了基于云计算的Web数据挖掘Map/Reduce算法的研究,提出了Map/Reduce算法的模型,建立体系架构,通过实验,云计算与该算法相结合,提高了数据挖掘的效率,与计算仿真平台的以及在该平台下采用虚拟化技术对子云层进行整合,为Web Service提供服务的关键技术,最大限度的发挥了其可用性、协同性、扩展性等特点。

MAP译码器的免归一化处理信息更新算法

在不改变译码性能的条件下,为了加快最大后验概率(Maximum A Posteriori Probability,MAP)译码器状态信息更新的速度和降低算法的复杂度,提出了一种用于Turbo码的MAP译码器的免归一化处理算法。算法采用二进制补码加法器和减法器将MAP译码过程中的状态信息投影到一个归一化圆上,当状态信息更新时所有的状态信息在归一化圆上移动,通过保持归一化圆上状态信息的正确关系来计算似然比。归一化过程中不用搜索或估计状态信息的最大值,通过简化状态信息归一化过程加速了MAP译码器的状态信息更新并降低了复杂度。所提算法在与传统算法译码性能相同的情况下,可以降低36.2%的计算复杂度和17.4%的关键路径延迟,达到MAP译码器实现中的高速、低复杂度目标。

深空通信中的线性Log-MAP算法

Turbo码由于具有逼近香农信道容量限的性能,已经被CCSDS标准采纳。译码算法是Turbo码译码的关键组成部分,也是影响其性能的关键因素,而MAP类译码算法以其优越的性能成为译码算法的主体。在对MAP类译码算法的译码复杂度和性能仿真对比、分析的基础上,针对深空通信中的低信噪比、低误比特率的要求,提出一种线性Log-MAP算法方案,该方案在保证性能损失尽可能小的前提下,有效降低了计算复杂度,适用于深空通信的实际要求。

一种基于开源SharpMap的鼠标滚轮地图缩放算法

Sharp Map是一款国外优秀的开源GIS软件,在GIS二次开发中广受国内外学者的关注,已有众多研究机构基于Sharp Map开发出业务化的系统;但Sharp Map现有功能中不包含鼠标滚轮地图缩放功能,使得其GIS地图浏览操作大不方便。探讨Sharp Map已有的缩放算法原理,基于滚轮缩放操作员关注点相对屏幕坐标系位置不变和相对地理坐标系缩放视野比例一致的原则,提出Sharp Map的鼠标滚轮地图缩放算法,并在.Net4.0框架下,利用C#语言开发,对算法进行了编程实现,效果表明本文构建的算法用于Sharp Map二次开发能实现流畅、稳定的地图缩放效果、该算法对同类GIS功能的开发具有一定的借鉴意义。