一种改进的KMP字符串匹配算法

在分析BF和KMP算法的基础上,提出了一种改进的字符串匹配算法。此算法具有比BF算法更优越的时间复杂性,并且相对KMP算法而言更简洁易懂。     

全搜索块匹配算法的一种改进算法

对于现代小型摄像机的不稳定引起的图像序列抖动提出一种基于全搜索块匹配的全局运动估计与补偿算法,通过对运动估计算法的改进,既保留经典全搜索匹配算法的精度,又大大缩短了经典全匹配算法的运算时间。同时也介绍了它在电子图像稳定(EIS)系统中的应用,通过此算法较好地解决了摄像机图像在水平与垂直方向的抖动问题。     

一种基于改进模板匹配的模具顶针复位检测

提出了一种注塑模具生产中顶针复位的检测方法。该方法利用模式识别技术检测模腔内的顶针是否完全复位,并通过改进传统模板匹配的搜索策略以提检测速度。实验结果表明,本方法可快速准确的检测顶针复位情况,特别是在图像噪声较多的复杂生产情况下保持了准确的检测结果。能够有效地保护模具及顶针。     

基于改进自组织迁移算法的模板匹配

研究运用自组织迁移算法进行图像模板匹配,提出了一种基于改进的自组织迁移算法的模板匹配方法。通过将动态迁移步长和混合迁移策略引入自组织迁移过程,提高匹配寻优精度。实验结果表明,改进的自组织迁移算法与其它自组织迁移算法相比,有效地提高了匹配精度,与穷举方法相比,极大地提高了匹配速度。     

一种改进的基于结构特征的本体匹配算法

设计了一种改进的基于结构特征的相似度计算方法,给出相应的本体匹配算法设计,并验证提出的匹配算法的可行性和有效性。应用改进的本体匹配算法实现异构本体的匹配,从而有效提高本体匹配的精确度,提高信息搜索的准确率。     

数据与模板匹配算法研究

针对数据与模板匹配的问题,在分析了经典算法的基础上,提出了格式化单路径搜索算法、格式化逆向分支算法、动态路径匹配算法,经过进行仿真算法的路线选择,给出了正确率和执行效率的比较．实验证明这些算法分别适合不同条件下匹配路径的求解,具有很强的准确性、实用性、鲁棒性．     

一种改进的基于定位点投影的地图匹配算法设计

考虑到实际路况下的车辆行驶方向的信息、电子地图道路层的网络拓扑结构信息、车辆的历史轨迹信息对地图匹配重要性,提出的地图匹配算法包括三个部分：对定位数据的预处理;待匹配道路的识别;定位点的投影匹配。通过实验仿真,该算法具有较高的鲁棒性,符合高精度、低成本的发展要求。     

一种特征匹配算法的改进及其在图像检索系统的应用

图像检索就是根据对图像内容的描述,在目标图像集合中找到具有指定特征或包含指定内容的图像.因此,一个好的检索匹配算法是精确、快速检索的根本前提.     

数据库清理中的一种匹配算法

由于各种原因,数据库中的记录有很多重复的记录,有必要删除重复的记录。用Java编码提出一种新的匹配算法,解决了复杂的匹配问题,并且可根据需要扩展。     

模板匹配问题的动态规划算法实现

模板匹配方法是图像检索、分割、拼接、检测等图像问题在关键区域匹配过程中常采用的处理方法,匹配结果的优劣将直接影响后续算法的结果。传统图像处理方法在采用模板匹配方法时,往往面临时间复杂度过高的问题。基于动态规划的程序设计策略是一种重要的算法设计策略,为存在最优子结构性质的实际问题提供了一种重要的解决途径。针对图像处理中的模板匹配问题进行分析,给出相应的动态规划解法,并对所给算法的复杂度进行分析和讨论。实验结果验证了所提方法的有效性。     

融入视觉注意机制的模板匹配算法

为了提高图像模板匹配算法的主动性、实时性,借鉴人类的生理学,提出一种融入视觉注意机制的模板匹配算法.该算法在基于视觉注意机制的基础上提取亮度、颜色、方向等视觉特征,并采用抑制机制和WTA机制得到注意焦点,生成显著特征图,经过图像坐标变换得到目标图像,根据归一化相关交叉法计算模板与目标图像的相似性,实现图像匹配.实验结果表明,该算法使图像能更加主动、实时地匹配,能够更好地符合人类的视觉注意机制.     

一种Apriori的改进算法

提出了一种新的Apriori改进算法,该算法在生成k项频繁集时,不需要多次扫描数据库,有效地减少了对事务数据库的读操作,较经典的Apriori算法有更加优越的性能。     

一种改进的ViBe算法

针对Vi Be算法在使用含有运动物体的帧进行建模,在检测阶段容易引入Ghost区域以及在高动态背景下不能较好地检测运动目标的问题,使用块区域进行建模对Vi Be算法进行了改进.算法把每一帧图像分成若干不重叠的块,对每个块进行离散余弦变换,取变换后块的直流分量建立背景样本集.从第二帧开始,用当前帧中每个块直流分量与对应的背景样本集进行比较,得出该块应该归为背景还是前景,进而检测出运动目标,并用该块更新样本集中与该块最不相似的样本.结果表明,给出的算法可以快速地去掉Ghost区域以及在高动态背景下算法仍能较准确地检测出运动物体.     

一种改进的K-means算法

传统的K—means算法对初始聚类中心敏感,聚类的结果随不同的初始输入而波动．为了消除这种敏感性,提出了一种改进的K-means算法,改善聚类算法中选取初值的依赖性,提高聚类结果的稳定性．仿真实验结果表明：改进后的K-means算法优于原始算法．     

一种改进的灰狼算法

针对灰狼算法的缺点,提出一种改进的灰狼算法。引入混沌策略初始化种群,产生更均匀的初始种群;将线性收敛因子改进为非线性收敛因子,能更好地均衡全局搜索和局部搜索;在灰狼更新位置时,根据头狼的决策能力,加入权重策略,使每个灰狼个体更快地向最优的位置移动。最后用6个标准测试函数做仿真实验,结果表明,改进后的灰狼算法在单峰函数和多峰函数求解中,收敛速度和寻优精度都优于其他算法。     

一种改进的Apriori算法

关联规则挖掘是数据挖掘研究领域中的一个重要任务,旨在挖掘事务数据库中有趣的关联。Apriori算法是关联规则挖掘中的经典算法。然而Apriori算法存在着产生候选项目集效率低和频繁扫描数据等缺点。提出了一种新的Apriori的改进算法,该算法在生成k(k>1)项频繁集时,不需要重新扫描数据库,只是在生成1项频集时,才需要扫描事务数据库,有效地减少了对事务数据库的读操作,在时间复杂度上较经典的Apriori算法有更加优越的性能。     

一种改进的Apriori算法

在对关联规则挖掘算法Apriori进行深入研究的基础上,提出了一种改进的算法SDA算法,在三个方面进行了改进:(1)频繁2-项集生成方法;(2)改进Apriori_gen算法(3)减少事务数据库.在实验数据集上所做的实验结果表明SDA算法是有效的.     

一种改进的BP算法

BP算法是目前应用极为广泛的神经网络算法，但它也存在一些不足。本文提出了一种改进的BP算法，该算法基于黄金分割法自适应调整网络学习速率。仿真结果表明：该算法比传统的BP算法具有更快的学习速度和更高的学习精度。     

对FP-growth算法的一种改进算法

FP-growth算法是关联规则挖掘算法中的经典算法,用于挖掘频繁项目集。但它的时间和空间效率还不足够高。提出了一种新的频繁模式树构造方法,性能得以提高。