面向手机平台的AHD词典压缩

鉴于手机平台的特性,在设计AHD词典压缩程序时,对Huffman算法和LZW算法进行了分析,两者各有利弊,因此在使用时将两者结合并进行了改进。用LZW算法构造字典,然后统计字典内字串的出现频率,用Huffman算法生成Huffman树和编码后进行压缩和解压缩。     

LZW无损压缩算法在管道漏磁检测中的应用

漏磁无损检测是目前输油管道常用的安全检测方法,然而其检测数据庞大,必须要对数据进行压缩。介绍了一种基于字典存储技术的LZW(Lempel Ziv Welch)无损压缩算法,设计了一个基于FPGA和LZW压缩技术的管道漏磁数据无损压缩系统。通过调用FPGA仿真软件ModelSim对采集而来的漏磁数据进行压缩仿真,得到了较高的压缩效率,从而大大节省了存储器资源,降低了经济成本。     

基于改进的K-SVD字典学习CT图像重建算法

不完全投影数据图像重建为降低照射剂量提供了一个新的解决方案。在K SVD字典学习算法中,由于选取K SVD算法中的初始化字典对训练得到的自适应字典构造有影响,因此通过引进一个稀疏初始化字典矩阵,使K SVD字典学习算法能更好地适应于稀疏图像重建。在此基础上,提出了一种基于改进的K SVD字典学习和SART重建算法相结合的图像重建算法。实验结果表明,该算法能够在投影数据不完备的情况下准确地重建出图像,同时保留图像的细节分量,提高重建图像的质量,尤其是可以减少由于投影数据不完备而造成的条状伪影现象。     

基于网络字典的无损数据压缩方法

现有的基于字典的压缩方法,其字典无论是静态字典还是动态生成,均处在本地。本文提出基于网络字典的无损数据压缩方法,是将各种类型的字典保存在专用服务器中,通过全文直接压缩或者分块压缩的方式进行压缩,其理想压缩效率接近100%,与现有压缩算法相比,其压缩时间主要取决于网络速度和匹配算法,随着网络速度的不断提高和匹配算法的不断改进,该方法必将带来压缩史上的一次革命性变化。     

多载波通信系统中CQI无损压缩法研究

本文采用自适应多载波调制节省带宽资源,基于反馈的信道状态信息调整子载波参数(比特和功率分配信息)。比较不同无损压缩反馈技术,重点研究OFDM和MIMO-OFDM系统中的信道时间相关性并设定门限误码率以降低反馈次数,量化反馈信息并用无损压缩算法(Huffman编码,游程编码和LZW编码)压缩反馈信息,仿真比较不同条件下的压缩算法的压缩性能,仿真结果表明Huffman编码的压缩性能最佳。     

基于线性四叉树压缩算法的研究与改进

在线性四叉树压缩算法分析研究的基础上,对其压缩过程中的2个步骤进行了改进,并给出了改进后的压缩和解压缩算法。通过对比改进前后的算法表明,改进后的算法在压缩时间和数据压缩率上都有显著改善。     

基于双数组Trie树算法的字典改进和实现

从汉字编码和构造过程两个方面对双数组Trie树算法进行改进和实现。在编码过程中,按照汉字的深度由浅入深依次编码;构造字典时,按照首字节点词条数目由大到小顺序构造。改进后的算法查找效率不变,但缩短了构造字典的时间;减少了数据稀疏,提高了空间利用率。针对改进前后的算法,从时间开支和空间开支两个角度分别进行对比,实验结果证明算法改进可行。     

新型混合字典学习算法改进图像超分辨率的研究

目前机器学习算法大都采用单层字典的学习训练设计,现从改进视觉效果、分辨率2个角度,设计了2层字典混合学习算法。采用经典的半耦合字典学习(SCDL)和模糊模型处理结合作为第1层字典学习,第2层则是针对第1层的残余图像进行重构,结合K值聚类以及K-SVD算法设计了第2层字典的训练过程。与经典SCSR、SCDL算法对比实验结果表明:改进算法的峰值信噪比与其他2种算法有了4%左右的提高,提高值在1 d B以上,表明了算法能够一定程度的提高重构图像的分辨率;算法的对比视觉效果看出,改进的算法能够明显改进重构质量,实现了图像视觉效果的改善。由于算法并不是以牺牲算法运算时间、速度为代价,这样其研究结果对于机器学习在图像领域的进一步推广与发展具有一定的参考价值。     

空间型字典压缩编码

用Object Pascal语言实现LZW压缩方法,用面向对象方法进行封装,并在其编码算法上做了改进,实现了零搜索,大大加快了编码速度。     

密码字典数据去重算法研究

对直接去重算法、Hash去重算法和Hadoop集群数据去重算法进行研究分析，得出各算法在密码字典数据去重中的适用场合。去重后的密码字典作为密码字符子集，为面向暴力破解的密码字典生成提供了有效方法。     

基于改进的C4.5算法对车辆加速性能分类研究

车辆加速性能是衡量驾驶员对车辆驾驶舒适性的一个标准。传统的车辆加速性能是通过判断加速踏板开度衡量的,加速踏板出厂时设置为不能自动调整。采用改进的C4.5算法对车辆加速性能分类,实现自动调整加速踏板开度。首先通过泰勒中值定理对C4.5算法进行简化,然后对车联网数据进行特征提取,生成判断加速性能的决策树分类规则,测试特征提取的并行化运行效率。通过特征提取后的数据集验证了改进的C4.5算法效率和准确率。测试结果表明,改进算法在不降低分类准确率的前提下,有效提高了分类效率。     

基于实验数据的航空发动机动态建模

针对基于部件级航空发动机动态建模过程中完整、准确的航空发动机部件特性数据往往难以获取、建模时间长等现象,提出使用实验数据进行辨识建模的方法。为了建立航空发动机的动态模型,通过对某轻型飞机实验台的飞行实验数据进行分析整理,提出使用BP神经网络对发动机重要参数进行建模,同时使用粒子群优化算法(Particle swarm optimization,PSO)对BP神经网络的权值和阈值进行优化,使用改进粒子群优化算法(Improved particle swarm optimization algorithm,IPSO)对传统粒子群优化算法进行改进,仿真结果表明IPSO-BP网络建立的发动机模型精度和稳定性更高。     

一种新的基于感知字典的稀疏图像重建算法研究

针对已有图像重建算法分辨率低、需要大量计算的问题,本文提出了一种基于感知字典和数据自适应性的稀疏重建算法.首先,针对图像的数据结构,对样本数据进行超完备字典的训练,继而通过针对性的字典对图像进行稀疏重建.同时,为进一步改善算法的重建性能,并充分利用图像的有效信息,本文构造了数据自适应的感知字典.实验表明,该算法在不影响图像重建精确度的前提下可以减少计算复杂度,并具有良好的鲁棒性和较高的效率.     

基于分形的图像压缩算法研究

介绍了分形图像压缩理论,传统DCT变换算法和四叉树分形图像压缩算法,改进的分形图像压缩方法,分形与小波相结合的图像压缩算法,彩色图像压缩算法以及对分形图像压缩未来发展的展望.     

车联网通信调度与控制教学辅助系统的研究设计

本文以建构主义启发式教学理论为基础,依据物联网工程专业规范,提出了一种车联网通信调度与控制教学辅助系统设计。分析了教学辅助系统对车联网核心知识单元的支撑性,设计了可用于教学辅助的车载嵌入式感知与控制装置,架构了基于MQTT的远程通信系统,提出了基于车联网数据的智能调度算法。从三个维度对实际教学效果进行了评估,分析结果表明,理解维平均提高了15%,效率维平均提高了26%,应用维平均提高了33%,应用效果明显,有利于学生更好的掌握车联网相关的核心知识和领域应用知识,提高了学生解决复杂物联网工程问题的能力。     

CTW无损压缩算法在管道无损检测中的应用

超声和漏磁无损检测方法是目前输油管道常用的安全检测方法,然而其检测数据庞大,必须对数据进行压缩。介绍了一种基于CTW(context tree weight)的无损压缩算法,该算法采用了新的更低冗余度的概率估算法,具有速度快和抗差错能力强等特点,将该算法应用于输油管道超声和漏磁方法无损检测实验数据的无损压缩,得到了较高的压缩率,与LZW(lempel ziv welch)无损压缩算法相比获得了更高的压缩率。     

基于HBase的车联网传感数据管理系统设计

关系型数据库由于面向行存储以及无法扩展等原因,已很难满足大规模车联网传感数据的存储与查询要求。针对该问题,设计了一个基于非关系型数据库HBase存储的车联网传感数据管理系统。该系统采用Hadoop与HBase搭建分布式实验平台,采用C#语言开发Web网页端。通过与传统关系型数据库SQL Server的存储与查询效率进行对比分析,表明HBase在处理大规模车联网传感数据方面具有明显优势。     

压缩感知框架下快速字典的学习算法

信号稀疏基的构造,关系信号稀疏表示的程度,进而影响应用压缩感知对信号进行恢复重构的效果。针对这一问题,多种字典学习算法如KSVD,OLM等予以提出;这些算法使用重叠的图像块来构建字典,产生了大量稀疏系数,从而导致过拟合及计算过缓,且不能确保收敛;基于此,设计一种基于近端梯度的快速字典学习算法。算法在分析近端梯度求解多重凸优化问题的基础上,将其应用于字典学习涉及的优化求解上,降低了每次迭代的复杂度,减少了迭代开销,同时能够确保收敛。在合成数据上的实验表明,该算法字典学习速度快,所耗时间短,且获得的字典更好。     

基于数据挖掘技术的故障诊断系统研究

根据航空发动机状态数据库特点提出了相应的数据挖掘算法,采用相应的数据预处理技术,使目的数据有效地输入神经网络进行故障诊断,从而构建出基于数据挖掘技术的故障诊断系统的总体设计图,并以航空发动机系统为研究对象,通过试验验证了此系统在海量数据前提下,能够实现实时监控与故障诊断。     

基于图结构正则化稀疏表示的双层伯格曼图像插值算法

为了提高图像插值的恢复效果,提出了一种基于图结构正则化稀疏表示的双层伯格曼迭代算法．该迭代算法的外层用于约束图像观测数据,内层用于更新图像块的学习字典和稀疏表示系数．引入的图结构正则化稀疏表示约束可以有效地自适应图像块的局部结构,对于严重受损的情形也能得到精确的恢复结果．此外,在内层迭代中改进的稀疏表示和简洁的字典更新策略使算法能快速地趋于收敛．数值实验结果表明,所提出的算法可以有效地恢复图像,在主观视觉效果和客观量化标准上要优于目前已有的算法．