低质量图像的时空两维联合挖掘实现

采用时空两维数据联合挖掘的方法,对低质量的图像在时间维和空间组成图像的输入,采用两维数据挖掘的方法同时在时间域和空间对图像信息进行提取,由于空间与时间域信息具有一定的信息耦合性,所以此方法能很好地实现信息挖掘。采用一组3帧图低质量像进行挖掘实验,结果显示,采用时空两维数据联合挖掘方法,可以很好地从低质量的图像中提取出信息,具有很好的应用价值。     

基于蚁迹跳变追踪算法的模糊图像恢复技术

模糊图像质量低,所提供的信息量少,所以对模糊图像的恢复方法是提高图像信息输出的重要手段。提出一种基于蚁迹跳变追踪的模糊图像恢复技术,采用蚁迹跳变追踪恢复的方法,对模糊图像在蚁迹寻源、蚁迹定位、蚁迹跳变恢复3个方面进行数据恢复实现,提取图像的多方面综合信息,由于同一图像的多帧之间在多方面均存在一定的对应关系,所以通过蚁迹跳变追踪恢复,可以实现模糊图像信息的恢复。采用一组间隔3帧动态模糊图像进行恢复实验比较,结果显示,采用蚁迹跳变追踪恢复方法,模糊图像中的有用信息被很好的提取出来,该方法可以在图像信息恢复中很好的应用。     

正交通信信道载波均衡故障节点准确挖掘算法

大型云计算联合服务器中故障节点的快速挖掘模型构建可以实现对云服务器故障的准确定位和检测。传统方法中采用协议堆栈对节点进行约束与管理,达到故障节点快速挖掘的目的,然而该算法在Sink节点位置部署考虑欠好,在通信传输中很容易相邻节点信道间频谱主瓣重叠,故障节点挖掘性能不好。针对这一问题,提出一种基于正交通信信道载波均衡的云计算联合服务器故障节点快速挖掘算法,建立故障节点信息融合模型,进行特征分析,在信息融合过程中,组成新的云计算联合服务器接收端和发射端故障节点定位训练序列,构建基于OFDM系统的等效基带故障节点挖掘模型,通过正交通信信道载波均衡实现云服务器故障节点的快速挖掘。仿真结果表明,该算法在复杂云计算环境下,能实现对故障节点的准确定位,挖掘性能较高,检测概率较高,优越于传统模型。     

基于贝叶斯估计的目标特征识别扩散参数挖掘模型

为了有效从海量的特征和噪声数据提取能表征目标特征的有用数据,提高对目标的检测识别能力,需要对目标回波特征的时频TID(time interference domain)域扩散参数进行快速挖掘,达到提取目标特征的目的。传统方法中采用频繁项挖掘方法实现扩散参数挖掘,导致在速度模糊的情况下对基带回波特征参数估计困难,性能不好。提出一种基于贝叶斯估计的目标特征识别扩散参数挖掘模型。有效挖掘出局部离群点,对基带回波特征进行频域变标脉冲压缩处理,对优化后的特征矢量进行累加限幅,并计算互补累积分布函数,基于贝叶斯估计构建检测统计量和统计函数,从而挖掘出时频TID域扩散参数,提高对特征参数的识别能力,仿真结果表明,该算法对时频TID域扩散参数挖掘精度较高,能有效提高对运动状态目标的参数估计精度及目标识别的能力。     

基于相关粘链像素点的超维变形多态图像分离

研究超维变形多态图像的相关粘链像素点分离方法。传统的相关粘链像素点分离方法对变形多态图像采用单帧分离,这类方法很难对超维变形多态像素的粘链点进行分离,导致分离效果不佳。提出基于相关粘链像素点的超维变形多态图像分离方法,相对于两维图像分离方法,超维变形多态图像的相关粘链像素点分离方法增加了对数据的相关偏移像点的计算方法,在对图像信号的频谱分析和识别上,采用相关粘链像素点分离的方法,对超维变形多态图像在偏移像点、中心像点、校正像点3个维度进行计算,提取图像的多维综合信息,利用这些信息实现相关粘链像素点分离,实现输出比二维图像分离方法清晰度更高的图像。采用一组间隔3帧超维变形多态图像进行相关实验比较,结果表明,采用该方法能从超维变形多态图像中提取出有用信息,获得清楚度很高的图像,清晰度比传统二维算法提高了64%,具有很好的应用价值。     

空中模糊目标图像边缘信息的融合与恢复方法

传统算法对空中模糊目标图像边缘特征的提取不理想,图像融合检测和边缘恢复效果不佳。提出空中模糊目标图像边缘信息的融合与恢复方法,在多尺度Markov随机场框架下,基于最大似然准则,引入信息度量因子,对空中模糊目标图像边缘信息融合规则进行优化指导,采用势函数逆变换的方法,得到重构的空中模糊目标融合图像。仿真实验中,相比于传统算法,改进算法图像边缘信息恢复准确度提高了63%,在细节信息包含量和实时性处理方面都有较强优势,在伪装模糊目标识别和目标精确检测等领域具有较好的应用价值。     

多路径层进指导的物联网中关键信号挖掘

对物联网中关键信号进行挖掘定位是下一代物联网技术发展的重点。在传统的物联网系统中,数据不分关键和非关键,每个节点的数据做单独处理,所以无法分级处理,达到较好的定位。提出一种多路径层进指导的物联网中关键信号挖掘定位技术,采用物联网技术将分布式系统下各个离散制造系统的终端数据进行统一收集和综合,通过多路径层进指导的方法对所获取的所有数据进行分类处理,提取关键与非关键,最终采用数据融合的方法实现精确定位。采用一组实际节点数据进行实验,结果显示,关键信号可以被精确挖掘定位,算法具有很好的应用价值。     

网络入侵信号Radon变换边缘积分特征挖掘

传统方法中对网络入侵信号的挖掘采用基于相位匹配的Fourier变换方法,对入侵信号的边缘特征不能很好挖掘,提出一种采用Radon变换的网络入侵信号特征挖掘方法,基于特征分解原理,在时频空间中构建入侵信号的协方差矩阵,采用多特征向量奇异值分解方法挖掘入侵信号的边缘积分特征。运用Radon变换把由原来的点-直线对偶变成了点-正弦曲线对偶,优化对边缘积分特征的挖掘效果。在笛卡儿坐标空间中将挖掘数据分解为两个空间向量,实现特征挖掘。仿真实验表明,采用该算法进行大型网络入侵信号的特征挖掘,能有效检测出入侵信号的边缘积分特征信息,实时防护能力好,提高对入侵信号的发现能力。     

一种强干扰下视频监控的多维动态补偿方法

提出一种强干扰下视频监控的多维动态补偿方法,在嵌入式平台系统的基础上,通过对图像的时间维度、空间维度和频率维度进行多维度分析,对图像的失真和扭曲进行衡量,然后进行多维动态补偿,从各个维度进行联合校正,最终实现好的图像质量输出。最后采用一幅失真图像进行测试实验,结果显示,采用多维动态补偿方法,干扰后失真度很高的图像被较好地实现补偿修复,具有很好的应用价值。     

基于异层迭代算法的网络隐晦词汇深挖技术

对网络隐晦词汇的挖掘是从网络平台上成功提取先进信息的重要方法,传统的网络隐晦词汇挖掘方法采用基于词频和访问次数统计分析的方法,在小数据量时可以很好的实现挖掘,但数据量大时,效果很差。提出一种基于异层迭代算法的网络隐晦词汇深挖技术,首先对所有的网络词汇进行分层,对于分层结果,每层单独进行数据挖掘,在层数据挖掘的基础上,通过层与层之间的迭代方法,实现全局的隐晦词汇挖掘。最后采用一组热门加隐晦的词汇及进行测试实验,结果显示,采用基于异层迭代算法的网络隐晦词汇深挖技术,隐晦词汇被很好的挖掘出来,具有很好的应用价值。     

基于多个小波基联合去噪方法的研究

图像在形成、传输、存储过程中,不可避免地会受到各种噪声的干扰,极大地影响了人们从图像中提取信息,因此,采用适当的方法尽量减少图像噪声是一个十分重要的处理步骤。小波变换应用于图像去噪领域比较成功,在图像去噪中能更好地保护图像细节。本文提出了一种多个小波基联合去噪的方法,该方法能够很好的去除图像中常见的噪声。     

虚拟肾脏断面解剖信息轮廓线提取方法研究

具有非线性、非平稳性特征的肾脏断面图像信号分为高频和低频两部分,传统的轮廓线提取方法没有针对不同部分采用不同方法进行提取,提取的轮廓线图象存在大量冗余数据且边缘并不清晰。针对肾脏断面图象的特点,提出一种EMD和小波分析及快速模糊算法的虚拟肾脏断面解剖信息轮廓线提取方法,避免了传统方法因为没有划分而造成提取不精的弊端,利用EMD算法将原始虚拟肾脏断面信号加噪后的图像每行(列)分解成个模态函数,根据其对图像质量的权重选取滤波后的高频中适当的阈值与低频叠加,得到去噪后的肾脏断面图像,利用小波分析算法提取图像高频部分轮廓线,利用快速模糊算法得到完整肾脏断面图像轮廓线。通过实验结果表明,提出的算法能有效的去除图像随机噪声,提取出的虚拟肾脏断面解剖信息轮廓线较其他方法更为准确和清晰。     

特殊病种CT图像的挖掘方法研究与仿真

研究特殊病种CT图像的挖掘方法问题。由于特殊病种的CT图像具有像素模糊性及分布不均的特点,采用传统的挖掘方法,容易受到噪声干扰,造成挖掘效率低下、准确性较低的缺陷,为此,提出基于模糊C均值聚类算法的特殊病种CT图像挖掘方法。针对原始CT图像模糊、噪声等问题,分别进行滤波去噪、图像增强等预处理,得到噪声最小化且清晰度较高的CT图像,将预处理后的图像进行灰度、形状和纹理方面的特征提取,并依据特征权重对图像进行分类,实现对病变图像及正常图像的有效识别。实验结果表明,采用改进算法进行特殊病种CT图像的挖掘,不但能够提高挖掘的精度还可以提高挖掘效率,节约系统耗时,能够满足临床诊断的实际需求,具有广泛的应用价值。     

一种改进的无损可逆时频联合特征提取算法

充分研究反演积分量对S变换控制的无损可逆性,提出基于宽度不可变高斯窗函数的无损可逆时频联合特征提取算法,对高频复杂电磁特征提取实现和精确挖掘。对目标电磁信号进行时频分析,在S变换中加入宽度可变反演积分函数窗,进行特征分流控制,根据S变换无损可逆性,结合时频分析,提取无损可逆联合分布特征。仿真实验在不同信噪比下进行特征提取,实验结果表明不同信噪比下提取的时频联合分布特征具有相对不可变性,特征分类准确性比传统方法高,健壮性强,在目标识别等领域研究价值和应用前景。     

衰落噪声干扰下网络攻击数据散布特征挖掘算法

提出一种基于随机近场混叠谱分析的网络攻击数据散布特征挖掘算法,实现对衰落噪声干扰下的网络攻击信号的准确检测。采用自适应陷波器对衰落干扰噪声进行滤波降噪预处理,提高了待检测信号的纯度,进行随机近场混叠谱分析,采用时频分析方法进行攻击信号的时延估计,提取随机近场混叠谱特征,实现网络攻击数据散布特征挖掘优化。仿真实验表明,采用该算法能有效提取在强衰落噪声干扰下的网络攻击数据时频散布特征点,特征聚焦性能明显,提高了对网络攻击数据的检测性能。     

基于稀疏差分和典型相关分析融合的人脸图像识别

为了进一步提高人脸图像的识别率,提出了一种相关分析融合的人脸图像识别算法。首先通过采用压缩测量数据得到人脸图像,然后通过划分子模式的方法去除图像中的小样本,提取局部特征,采用成分分析提取人脸图像的整体特征,通过算法对人脸图像特征进行融合,从而消除人脸部冗余信息,最后通过3个人脸数据集对算法进行测试。仿真实验表明,本文的算法相对于参比算法,提高了人脸图像识别精度,具有很好的鲁棒性。     

大数据子集特征遗忘启发价值信息提取方法

传统的大数据中价值信息提取方法采用基于模糊学习理论的数据融合处理方法,将预定学习序列输入神经网络,通过模糊启发,对预定序列进行多模型映射,此方法模型复杂,且启发率低。提出一种大数据子集特征遗忘启发的价值信息提取方法,对大数据进行非线性映射归一化,使每个子集实现并行运算,通过混沌方法提取子集特征,并建立混沌模型下的子集特征遗忘启发链,针对不同子集中的价值信息,依据遗忘启发链实现启发,提取价值信息。采用一组大数据下的伪随机价值信息进行提取测试,仿真实验表明,本文价值信息提取方法的提取率达到了98%,对于大数据下的价值信息提取具有很好的指导意义。     

基于知识挖掘技术的模糊信息聚类及联想设计

针对知识发现中的模糊信息查询问题 ,提出了一种基于知识挖掘中神经网络技术的模糊信息聚类及联想设计方法。首先按照分类对信息源进行量化编码 ,然后对编码后的数据进行规整处理。对于信息聚类采用均值聚类算法 ,而模糊信息联想采用Hopfield网络实现。将基于上述算法开发出的模糊信息查询系统应用于图书信息查询 ,实验结果证明了该方法的有效性。     

改进的K-均值聚类算法图像边缘检测研究

图像边缘检测一直是图像处理领域研究的重点问题。边缘是图像最基本的特征,本文采用了模糊K-均值聚类算法对图像进行边缘检测。该方法针对不同的图像找到相对比较有效的边缘检测算法,进而大幅度地减少了数据量,保留了图像重要的结构属性。通过mat lab实验,证明了该方法可以有效提取图像的边缘信息。     

直觉模糊集人工鱼群搜索的人脑切片图像分解

精密的大脑切片图像的微细分解处理是进行图像特征分析的基础,传统的人工鱼群算法对图像微细区域进行分解时,融入局部信息导致图像噪声增强,难以有效提取图像的数值特征信息,分解效果不好。提出一种基于直觉模糊集的人工鱼群搜索算法,根据模糊集理论,进行直觉模糊集构造。在人工鱼群寻优搜索到的引领粒子附近自组织搜索更优特征解,利用直觉模糊集的均匀遍历特性全局搜索微细特征,不需要人为的干预,更适合处理一些模糊的和不确定的问题,适用于图像的微细分解。仿真实验得出该算法在处理含强噪声的脑切片图像时,微细分解精度很好,精度和计算复杂度等方面较传统方法有优越性。