LSHBMRPK-means算法及其应用

针对传统的k-means聚类算法在处理大数据时算法时间复杂度极高和聚类效果不佳的问题,提出了LSHBMRPK-means算法,即基于局部敏感哈希函数的Map Reduce并行化的k-means聚类算法;针对推荐系统的可扩展性问题,将LSHBMRPK-means应用于基于聚类的协同过滤算法。此外,针对评分数据的稀疏性问题,使用LFM,即隐语义模型,对缺失值进行填充,进而提出了基于LFM的LSHBMRPK-means聚类算法。实验结果表明,LSHBMRPK-means聚类算法提高了聚类效率和质量,基于LFM的LSHBMRPK-means协同过滤算法具有较好的可扩展性,同时解决了因评分数据稀疏导致聚类质量不好的问题。

关于对图像哈希算法的研究与应用

传统的基于文本的检索方式无法精确地搜索图片,因此基于图像内容的检索技术应运而生.它利用图像哈希算法提取图像特征,通过量化压缩等方法产生一个标明图像指纹的哈希序列,对比哈希序列即可判定两张图像的相似度.主要从图像哈希算法的定义、原理、特点、应用等方面进行研究,并着重介绍和对比a Hash算法及p Hash算法.

在线密度敏感哈希算法研究

哈希算法在大规模的数据检索中得到了越来越广泛的应用,但目前无论是基于学习的哈希还是基于随机投影的哈希都是为静态数据集设计的,无法对动态的数据库或者动态的网页进行近邻搜索.为了解决这一问题,本文提出了基于在线k均值聚类的密度敏感哈希算法ODSH(Online Density Sensitive Hash).首先给出了固定聚类个数的在线k均值聚类公式;然后,根据在线k均值聚类量化后数据簇的表示点来划定超平面,并根据动态超平面推出该哈希算法的哈希函数以及对应的投影向量;最后根据投影向量划分的数据集求得各投影向量的信息熵值,根据其大小选出最合适的投影向量,并通过投影向量对数据集进行映射来获取对应的哈希编码.实验结果表明,与局部敏感哈希、谱哈希等哈希算法相比,本文算法在准确性和效率上均具有一定的优势.

面向海量病毒样本家族聚类方法的研究

计算机反病毒厂商每天接收成千上万的病毒样本,如何快速有效地将这些海量样本家族化是一个亟待解决的问题。提出了一种可伸缩性的聚类方法,面对输入海量的病毒样本向量化特征集,使用局部敏感哈希索引技术进行初次快速聚类,使用扩展K均值算法进行二次细致聚类。实验表明该聚类方法在有限牺牲准确度的情况下,大为提高了病毒聚类的时间效率。

基于红外热成像的电气设备组件识别研究

常见的电力设备有变压器、开关柜、断路器等,这些设备都由多个组件构成。通过这类设备的红外热成像实现了对其组件的识别。基于红外热成像信息量较少的特点,采用多种算法融合。首先是基于Lab模型采用改进的K-means聚类和形态学的结合,提取红外图像中的高温区域,充分保证了效率和可靠性。其次采用改进的SURF(speeded-up robust features)和感知哈希算法的结合,确定被提取区域中的三相组件。SURF的作用是将已知的电气设备可见光图像和被提取区域中所有的图像进行对比,找出红外图像中特征点匹配最多的区域。将其和其他红外区域进行对比,通过感知哈希算法找到其他区域中匹配度最高的两个区域,以此定位出红外图像中的三相组件。此研究适用于大量红外图像数据的识别定位,为基于红外成像的电气设备故障信息提取提供思路。

基于运动筛选和3D卷积的视频早期烟雾检测

针对基于视频的早期烟雾检测在复杂环境下的高误报和高漏检问题,提出了一种基于运动筛选疑似区域的方法并设计了一个输入为6帧图片的多尺度3D卷积神经网络(6M3DC)来进行视频烟雾检测的算法。将视频帧进行均值滤波后通过背景差分模型获取运动区域并计算获得区域所在块,通过颜色判断和均值HASH算法对运动块进行筛选提取疑似块并将不符合条件的块更新到背景图。通过组合连续6帧相同区域的疑似块输入多尺度3D卷积神经网络进行检测,将检测为烟雾的块标记,非烟雾块更新到背景图。实验结果表明,算法对缓慢运动的烟雾有一定的适应性,可以较好地在复杂环境下检测出烟雾。

关于对哈希算法的研究与应用

随着科学技术的不断发展,许多新的算法在各个领域中有了进一步的应用,其中技术较为先进的哈希算法,以其独特的计算方式受到了广泛的应用。本文主要从哈希算法的定义、特点、原理、应用等方面展开了深入的研究,供大家讨论研究。

水稻稻穗图像的分割方法研究

针对成熟期稻田光照不均匀、复杂的土壤背景噪声以及稻叶颜色混淆问题,研究利用Otsu和K-means法分别对局部稻穗图像和稻田图像进行稻穗分割,并与最大熵、迭代阈值以及区域生长法的分割效果图进行哈希相似度对比。在进行局部稻穗图像分割时,K-means和其他4种算法相比,分割相似度可达90%;在进行稻田图像分割时,Otsu和其他4种算法相比,分割相似度可达90.94%。试验结果表明两种算法能实现稻穗有效提取,为后期稻穗品质评估和稻田产量预测研究提供可靠依据。

基于差异哈希算法的改进非局部均值去噪算法

针对非局部均值(NLM)算法度量邻域块相似度不够准确的缺点,提出了一种基于差异哈希算法与汉明距离的改进NLM算法。传统算法通过欧氏距离度量邻域块之间的相似度,保持边缘和细节的能力较弱,易导致滤波后的图像模糊失真。因此引入了包含梯度信息的差异哈希算法对欧氏距离进行改进,由邻域块生成差异哈希图像,并用其汉明距离衡量邻域块的相似度。实验结果表明,对于低噪图像,本方法在去噪的同时能较好地保持细节边缘,且相较其他算法,运行速度有很大提升,具有一定的应用价值。

基于改进Gentle-Adaboost算法的疲劳驾驶中人脸检测研究

疲劳驾驶检测中人脸检测的算法有很多，其中相对成熟的是Gentle-Adaboost此算法虽然识别率较高，但是识别时间较长，研究在识别过程中使用均值哈希算法进行算法优化，并引入缓存的概念来缩短识别时间．首先，根据Gentle-Adaboost算法和Haar特征来提取基本特征点，然后通过对比前后两帧图像的哈希指纹来减少人脸检测次数，最后通过缓存数据库来存储相似图片的哈希指纹，运行一段时间后仅需通过对比哈希指纹就能精准的找到人脸区域．通过实验，可以证明改进后的平均识别时间可减少原时间的80％．

基于哈希算法的地下管线探地雷达图像智能识别

探地雷达(GPR)是一种高分辨率的地球物理无损探测方法,广泛应用于浅地表地下目标探测,在城市建设及岩土工程中有成功的应用案例.在城市生活中,地下管线承担着能源输送、信息传递等重要使命,而作为智慧城市的基础数据,地下管线空间位置信息的获取依赖于探地雷达等地球物理探测数据.传统的探地雷达地下管线图像的识别与解释,很大程度上依赖并严重受限于工作人员的专业经验,这对开展大规模的城市地下管线探测是非常不利的.本文基于这一问题,根据地下管线这类孤立目标的雷达反射波图像特征,提出了基于"以图搜图"的智能识别构想,在对原始数据进行去背景等预处理的基础上,根据哈希算法(Hash)以及约束矢量的K均值聚类分析,实现了地下管线的智能检测、图像的自动分选和识别.同时,通过提取识别区域中间道的图像亮度函数,判断管线材质.数值模拟与实测数据的应用结果表明:本算法能有效地从探地雷达剖面中识别定位管线的空间分布,并可对其材质进行判别.