一种基于谱分量相似度的多数据流聚类算法

提出了一种新的多数据流聚类算法.该算法可以有效地对有相似行为但存在一定时间延迟的多数据流进行聚类.算法采用自回归模型技术度量数据流间的延迟相关,利用频谱估计来抽取数据流的特征.每一个数据流用其谱分量的和来表示,从而来计算每对数据流间的相关关系.每个谱分量用振幅、相位、衰减率、频率4个参数来描述.算法计算谱分量对之间的ε-延时相关关系,并以此为基础来得到聚类分析中数据流间距离的度量.此外,算法采用滑动窗口技术对多数据流进行聚类,实时地得出聚类结果且动态地调节聚类的个数.在人工数据集和实际数据集上的实验结果表明,所提出的算法比其他类似的算法具有更快的速度和更好的聚类效果.     

Web使用挖掘在网络学习中的应用研究

在讨论Web使用挖掘在网络学习中的应用过程中,提出一种改进的基于向量的聚类算法.在算法中,首先以学习站点的URL为行、以UserID为列建立页面用户关联矩阵,元素值为学习者的访问次数,然后使用欧氏距离进行度量向量之间的相似性,对列向量进行相似性分析得到相似学习者群体,对行向量进行相似性度量获得相关Web页面.分析表明,Web使用挖掘在网络学习中的应用是可行、有效的.     

一种改进的基于SURF的快速图像匹配算法研究

针对传统的图像特征匹配算法数据量大、计算耗时长的缺点,本文提出了一种改进的基于SURF的快速图像配准算法。该算法在积分图像的基础上进行快速计算,通过快速Hessian检测子来检测特征点。对于每个特征点,通过计算哈尔小波变换来确定其主方向,并确定特征点描述子,再根据描述向量之间的欧式距离实现图像间的特征点的匹配。实验表明,该算法既能满足匹配准确性的要求,又具有计算量小、计算速度快的优点。     

基于SIFT特征点精确匹配的图像拼接技术研究

为实现两幅或多幅图像的拼接需要提取两幅图像中的特征点,并对所提取的特征点进行精确匹配。本文在应用SIFT方法提取待匹配图像中的特征点并对提取的特征点进行粗匹配基础上,对基于距离约束的特征点的精确匹配方法进行了研究。消除误匹配点对共分两个步骤:1)在一幅图像中取一个特征点计算与该特征点欧式距离最小的两个特征点,并取欧式距离最小值;利用粗匹配点,在待拼接的另一幅图像中同样求相应点间欧式距离并取最小值;若两值中的较小值与较大值之比大于设定阈值,则初步得到精确匹配点对。2)在一幅图像中顺序取初步判定位误匹配的特征点,计算该特征点与精确匹配特征点间欧氏距离,并取距离最小的两个特征点;在待拼接的另一幅图像中同样求相应匹配点间欧式距离并取最小值,两值中的较小值与较大值之比与设定的阈值比较可得到精确匹配点对。实验证明了该方法的有效性。     

结合Delaunay三角网的自适应多尺度图像重叠域配准方法

为改进随机采样一致性算法模型参数估计可能不是最优导致图像特征点配准率不高的问题,缩短特征点提取时间,提出一种结合Delaunay三角网格约束的自适应多尺度图像重叠域配准方法。采用自适应通用加速分割检测算法,快速检测出均匀稳定的特征点,并且用二进制特征描述子解决尺度不变性和旋转不变性问题。因传统随机采样一致性算法阈值选取和迭代次数的局限性,会掺杂部分难筛的误配点,在此前提下借助Delaunay算法剖分粗匹配点集,遍历计算网格间对应三角形相似度并储存在相似性度量矩阵中。依据Delaunay三角网特性,剔除相似度差异大的三角形,重构网格保存余下的匹配点集。实验结果表明,该方法特征点提取速率比FAST快15%~20%,特征点正确配准率比随机采样一致性算法提高约4.9%,不仅可自适应多尺度快速提取特征点,而且在保证特征点正确配准率基础上尽量多地保留有效特征点数量。     

n×n阶矩阵的度量

利用矩阵迹给出n×n阶矩阵的内积、范数和度量,利用度量给出矩阵上的点、矩阵空间之间的一些距离关系;讨论了点到上三角矩阵及上三角可逆阵的距离公式.     

阈值自适应的SIFT全景图像拼接算法

针对SIFT(Scale Invariant Feature Transform)算法中阈值影响着图像匹配的成功率,提出了一种阈值自适应的匹配算法.该方法首先对SIFT算法中的阈值系统地研究,发现检测局部特征点的阈值α和图像匹配时最近距离与次近距离的比值的阈值 β对图像是否能够成功匹配起着决定性的作用,然后利用控制α的大小来检测特征点,生成特征描述符.再利用广义紧互对原型的基础上,自动调整 β的大小来控制匹配的对数,最后结合RANSAC和最小二乘法求出图像间的映射关系得到拼接后的图像.实验结果表明,该算法通过自动调整阈值和利用RANSAC剔除误匹配点,加快了图像的匹配速率,开发了全景图像拼接软件.     

多元马氏决策向量过程模型及其参数估计

在马氏决策向量过程模型和多元马氏链的理论基础上,结合决策向量和相合度等新定义,研究了多元马氏决策向量过程模型以及模型的参数估计法,并通过该模型确定了分类数据序列之间的关系。     

基于形状特征的图像检索方法的研究与实现

在研究与分析了形状特征提取算法和相似性度量算法的基础上,采用欧式距离法,利用UIUC图库中的鸟类、蝴蝶类和Caltech101图像库中chair类、strawberrv类等4类图库,对Hu不变矩特征提取的图像检索算法进行验证,并对不同测试图库所得到的实验结果进行比较.从实验结果可以看出,对背景相对简单、对象的形态各异的图像还是具有较好的检索性能,可以得到较好的检索效果.     

基于内容图像检索的相似性度量研究

图像的相似性度量是基于内容的图像检索技术中的一个非常关键的问题。理想的图像相似性度量方法应该能满足人的视觉特性,能够使得视觉上相似的图像间具有较小的距离,也就是说二者的相似度越大,其距离就越小。很显然,选择的相似性度量方法对图像检索结果的影响很大,相似性度量方法的好坏会直接影响到图像检索的性能。所以对常用的相似性度量的方法进行分析,并提出将来相似性度量的研究方向很有必要。