随机序列的扑克检测优化研究

现代计算机系统的安全性依赖于二元随机序列,随机性检测利用概率统计方法对二元序列的随机性进行分析测试。我国国家密码管理局发布了随机性检测规范,扑克检测为其中一个检测项。本文通过充分分析扑克检测效率不高的原因有针对性地提出一种新的快速实现算法,优化算法充分利用CPU字长一次处理多个比特,将m为4和8的情况整合在一起,减少不必要的处理流程。同时精简并优化统计量的计算和判断过程,避免余不完全伽马函数的计算。分析和实验的结果表明该优化算法可以使得扑克检测的速度提升9.5倍左右。

新型软域

为获得新型软域的新概念,采用与传统软代数不同的定义方法,将软集的参数集赋予域的代数结构。并且得到了新型软域的充要条件。利用软集运算中的限制交运算,得到了2个新型软域的限制交仍是新型软域。运用对偶软集的方法给出了新型软域的等价刻画。最后利用域的同态映射诱导出软集的同态像与原像,并得到了新型软域的同态像和原像仍是新型软域的性质。以这种方式得到的新型软域比通常的软域有更深刻的结果,为今后新型软代数的研究提供了基础。

变化字典学习与显著特征提取的单样本人脸识别

针对单样本问题,基于不同的人脸区域在识别过程中的重要性不同这一事实,提出将能显著区分其它类的人脸区域作为提取的显著特征,并视为有较大区分度的块,剩下的区域视为普通块;再根据不同组中每块的稀疏表示重构残差给予不同的权重,以抑制普通块的影响同时保持有区分度的块的作用.为了减小人脸之间未对齐的影响,将每块训练图像对应的8邻域增加到训练集中,以实现样本的扩充;同时提出新的类内变化字典学习方法,学习得到共享的类内变化字典,以减小测试人脸未知变化的影响.文章的方法可以有效减小人脸局部信息缺失造成的影响,使得在AR、Extended Yale B、CMU-PIE人脸库上的表现超过其它单样本识别相关的方法,取得了最好的识别效果.

半群的Ω-模糊内理想

给定一个集合Ω,引入半群的Ω-模糊内理想的概念,讨论它的基本性质及其等价刻画,研究了半群的Ω-模糊内理想的同态像与原像的性质。此外,通过在SΩ上定义运算得到半群(SΩ,),研究了其内理想与Ω-模糊内理想。

核典型相关分析特征融合方法及应用

构建了一种基于核函数的典型相关分析的特征融合算法。首先,利用核函数将图像矩阵映射到核空间,再抽取同一模式的两组特征向量,在两组特征向量之间建立描述它们的相关性的判据准则函数;然后依此准则函数抽取两组典型投影矢量集;最后通过给定的特征融合策略抽取组合的典型相关特征以用于分类识别。该算法将两组特征向量之间的相关性特征作为有效鉴别信息,既可以很好地融合信息,又可以有效地去除特征之间的信息冗余,并且避免了对映射后的数据矩阵进行分解,从而简化了数据运算。在AR、PIE、ORL、Yale人脸数据库及UCI手写体数字库上的实验结果证明了该方法的有效性和稳定性。

稀疏保持典型相关分析特征选择与模式识别

构建一种基于稀疏保持典型相关分析(Sparsity Preserving Canonical Correlation Analysis,SPCCA)的特征提取算法.在典型相关分析(Canonical Correlation Analysis,CCA)的基础上,利用稀疏保持投影(Sparsity Preserving Projections,SPP)将样本之间的类别信息引入,从而提高识别率.首先,提取同一类训练样本的两组特征向量,由SPP构建稀疏重构权重矩阵;并建立相应的判据准则函数来描述两组特征向量之间的关系;然后根据所建立的准则函数提取出相应的典型投影矢量集;最后将两组特征通过不同的特征融合策略进行融合,并在分类识别中进行应用.典型相关分析算法将两组特征向量的相关性特征作为有效信息来用于分类,既能融合信息,又能过滤冗余信息.同时SPCCA算法中引入了两组特征的权重矩阵,在一定程度上提高了融合特征的鉴别力,提高了识别精度.在MFEAT、UCI手写体数字库及ORL、PIE人脸数据库上的实验结果证明了本文方法的有效性和稳定性.

反软子坡

给出反软子坡的概念,并研究反软子坡和反对偶软集之间的关系,得到了一些等价刻画;讨论反软子坡的限制并和或的运算性质,并利用反扩张原理获得了反软子坡的反像与原像的相关性质;通过在全体反软子坡组成的集合H上引入链式条件给出了H是阿丁的或诺特的充要条件.

基于聚类信息的活动轮廓图像分割模型

基于传统Chan-Vese(CV)模型,结合图像聚类信息,提出一种有效的活动轮廓模型图像分割方法.该方法首先改进CV模型的能量泛函,考虑图像的梯度信息,提高图像分割的精确度.其次在能量泛函中添加图像的聚类信息系数K,并使用图像的聚类信息实现对水平集轮廓曲线的自动初始化.在分割处理彩色图像时,为提高分割效率,对彩色RGB图像的三通道进行加权处理.最后为能量泛函添加正则项,避免水平集的重新初始化,完成对灰度图像及彩色图像的快速精确分割.实验表明该方法的有效性.

基于DM642的运动目标检测

提出了一种高斯混合背景模型和YUV色度空间相结合的运动目标检测算法。高斯混合模型对背景光线变化有较强的鲁棒性,且对背景中的周期性变化有较好的抑制作用,检测出的目标有较好的连通性;但其对于全局亮度的变化及噪声较为敏感,容易误判。为此选取对亮度变化不敏感的UV分量来进行运动目标检测,然后再和Y分量的高斯混合背景检测进行"与"运算,从而消除高斯模型的误检,最后针对运动目标的影子问题,采用基于垂直投影图的阴影消除算法除去影子。算法在DM642开发板上实现。实验结果表明,该算法能够实时精确地检测出运动目标,且对全局光照变化不敏感。

半群的广义Ω-模糊双理想

给定一个集合Ω,引入半群的广义Ω-模糊双理想概念,讨论了它的一些相关性质及等价刻画,研究了半群的广义Ω-模糊双理想的同态像与原像的性质。此外,通过在SΩ上定义运算得到半群(SΩ,),并研究了其双理想与广义Ω-模糊双理想。

基于DM642的KLT跟踪算法的实现及优化

Kanade-Lucas-Tomasi(KLT)算法是基于图像特征点的跟踪算法,由目标对象特征点提取,特征点跟踪两部分组成。本文首先阐述了KLT算法的基本原理,分析了影响算法执行速度的主要原因。分析表明KLT算法的操作主要集中在乘加运算和循环,图像卷积运算和循环占用的执行时间比较长。针对TMS320DM642 DSP的硬件平台特点,提出了算法优化的若干策略。通过配置编译环境,合理安排数据类型,消除存储器相关性,使用内联函数以及分解多层循环等方法,对算法的实现进行了优化。实验结果表明,优化后代码执行速度是优化前的3倍多。

坡代数的(■,■∨_((λ,μ)))-模糊理想

给出了坡的(■,■∨_((λ,μ)))-模糊理想的概念,研究了坡的(■,■∨_((λ,μ)))-模糊理想的等价刻画,得到了坡的(■,■∨_((λ,μ)))-模糊理想在并运算与反直积运算下封闭的结论;利用反扩张原理获得了坡的(■,■∨_((λ,μ)))-模糊理想的同态原像与同构像的性质;最后,引入了坡的滤子的链式条件,并讨论了它的一些基本性质。坡的(■,■∨_((λ,μ)))-模糊理想新概念的提出扩展了坡代数理论的研究,引入的坡的滤子的链式条件的性质也可应用于其他代数结构,丰富了软代数理论研究。

半群的双极值模糊软理想

作为处理不确定性问题的另一数学工具,软集理论已被广泛应用到计算机科学.将双极值模糊软集运用到半群上,给出半群的双极值模糊软理想的概念,讨论它的一些相关性质,证明两个双极值模糊软理想的交、"∧"、满足一定条件下的并也是双极值模糊软理想,(f,A)是S上的双极值模糊软理想的充要条件是α∈[0,1],β∈[-1,0],fPα(e)≠φ,fNβ(e)≠φ(e∈A)均是S的理想.此外,提出了半群上的双极值模糊软同态和双极值模糊软同构的定义,并研究了半群的双极值模糊软理想的同态像与原像的性质.

半群的双极值模糊软双理想

给出半群的双极值模糊软双理想的概念,讨论了它的一些相关性质。此外,给出半群上的双极值模糊软同态和双极值模糊软同构的定义,研究了半群的双极值模糊软双理想的同态像与原像的性质。

隶属度修正类模糊C-均值聚类算法的对比分析

为了更深入的对模糊C-均值聚类算法进行研究,从提高算法的收敛速度角度着手,总结归纳了以RCFCM、S-FCM、PIM和FCMα等算法为代表的隶属度修正类模糊C-均值聚类算法,跟踪阐述了其研究进展.为了展现算法的全貌,从不同参数和不同模糊指数等角度实验分析了各算法的性质和特点.根据实验分析结果,为其后续研究指明了方向.上述工作将为FCM算法的进一步研究提供有益的参考.

FI代数的新型软滤子

为解决软集在代数结构上不足的问题,将软集的参数集赋予FI代数的滤子的代数结构,给出了FI代数的新型软滤子的概念.然后利用软集的交、且等运算,研究了FI代数的新型软滤子的基本性质,并运用对偶软集的方法给出了FI代数的新型软滤子的等价刻画;最后讨论了FI代数的新型软滤子的同态像和原像的性质.研究结论为进一步对软集代数进行研究奠定了基础.

判别性完全局部二值模式人脸表情识别

针对完全局部二值模式(CLBP)存在直方图维数过高和特征冗余,会导致识别速度降低和识别率低的问题,提出基于有判别力的完全局部二值模式(Discriminative completed LBP,dis CLBP)的人脸表情识别算法。首先,对人脸表情图像进行预处理获得表情子区域;然后提取表情子区域和整幅图像的dis CLBP特征,针对不同的表情筛选出不同的表情特征,再将筛选出的表情子区域特征直方图融合;最后用最近邻分类器进行分类识别。该算法在CK人脸表情库上进行实验的平均识别率为97.3%。

新型软亚BCI-代数

首先将软集的参数集赋予亚BCI-代数的代数结构,给出新型软亚BCI-代数的概念;其次利用软集的交、且等运算,研究它的基本性质,并运用对偶软集的方法给出新型软亚BCI-代数的等价刻画;最后讨论新型软亚BCI-代数的同态像和原像的性质。

基于GVF Snake和边界跟踪的主动轮廓图像分割

梯度向量流蛇(GVF Snake)模型在处理图像分割问题上取得了较好的结果,但它对初始轮廓曲线的依赖程度较大且梯度向量场计算时间较长,故此提出一种基于GVF Snake模型和边界跟踪的轮廓提取图像分割算法。该算法利用边界跟踪算法进行粗糙的分割,获取边缘位置有效信息点,经采样后生成一条初始轮廓线。同时,基于拉格朗日法求解梯度向量场的方法,提出一个距离终止条件以提高计算速度。实验结果表明,与GVF Snake、手动GVF Snake和CV活动轮廓算法相比,该算法有效提高了图像分割的自动化程度和分割精度。

(α,β)-软BCK代数

将软集的参数集赋予BCK代数的代数结构,给出了(α,β)-软BCK代数的概念,并验证了得到的(α,β)-软BCK代数是交软BCK代数和α-交软BCK代数的非平凡推广;得到了两个(α,β)-软BCK代数在软集的交、并、且等运算下仍然是(α,β)-软BCK代数的结论,并讨论了(α,β)-软BCK代数的同态像和原像的性质;最后运用对偶软集的方法给出了(α,β)-软BCK代数的等价刻画。