一种带匹配路径约束的最长公共子序列长度算法

在带约束的最长公共子序列问题中提出一种特殊的新问题：假设有两序列Q和C, Q中指定的匹配位置序列I,计算两序列Q和C的最长公共子序列,且这个最长公共子序列的匹配路径必须经过位置序列I。针对此问题,该文提出一种带匹配路径约束的最长公共子序列算法。首先定义带匹配路径约束的最长公共子序列模型,其次推出该序列的性质,最后求出带匹配路径约束的最长公共子序列长度的基础算法和快速算法。基础算法和快速算法时间复杂度分别为O(mnt)和O(mn), m, n, t分别为序列Q, C, I的长度。     

一种基于动态时间弯曲距离的快速子序列匹配算法

动态时间弯曲距离在用于计算时间序列间的距离时是极其耗费时间的,尤其是处理较大规模的时间序列数据库中的子序列匹配问题时,时间消耗更是难以忍受。该文提出一种新的低边界距离,能够快速滤掉不满足结果条件的时间序列,以提高查询速度,并证明该低边界距离不会丢弃真实的结果。一种基于水平边界区域的索引技术被用于进一步提高查询效率。分别以真实数据集和人造数据集作为实验数据来测试该文所提出的算法的性能,结果表明该算法在数据库规模上和序列长度上都有良好的健壮性。     

基于仿生模式识别思想的时间序列匹配

仿生模式识别是模式识别理论的一种新模型,它的出发点是要"认识"事物而非"区分"事物,理论的基点在于它确认了样本点在特征空间的连续性.本文根据仿生模式识别的基本思想,提出了一种时间序列匹配的新方法.该方法利用同类样本间的连续性规律,将时间序列排序,并在相邻的时间序列之间添加了若干新的时间序列,以增加样本点.对力感键盘按键压力序列进行分类实验的结果表明,新方法优于基于动态时间弯折的传统方法.     

用四端子器件实现的一种新型直接序列扩频匹配滤波器

提出了用四端子器件实现一种新型结构的直接序列扩频匹配滤波器，根据四端子器件的特点，从结构上分析了新型匹配滤波器结构相对于传统的数字匹配滤波器结构的优越性所在，它既保留了传统数字匹配滤波器的低功耗等特点，同时又具有结构简单的特点，大大减少了器件数目，HSPICE的模拟结果及测试芯片的实验结果验证了系统结构设计的可行性。     

ERSearch:一种高效的子图查询算法

子图查询是图数据库研究中的一个重要问题,许多方法基于“过滤-验证”策略进行子图查询,算法研究的重点为快速找到有效的特征集.通过对特征模式在数据图集中的嵌入信息进行分析,离线建立基于重叠关系、邻接关系和近邻关系的嵌入关系索引,提出基于嵌入关系的子图查询算法ERSearch.在给定查询图后,利用特征共现关系与特征嵌入关系联合进行过滤操作,并将过滤阶段的嵌入关系比对结果用于验证过程,提高验证效率.在真实及模拟数据上的实验表明,通过与PathIndex等方法的对比,ERSearch算法有效缩减了候选集的规模,能有效提高过滤与验证阶段的执行效率.     

一种改进的符号化时间序列聚类方法

符号化时间序列聚类是聚类研究中的热点之一,其中关键问题是时间序列符号化相似度问题.本文针对传统的基于欧式距离度量存在的缺陷,以LCS度量为基础,提出了ELCS相似性度量,克服了LCS度量需要依赖线性函数选取的不足.在两类数据集上进行的实验表明,同其他常用度量的比较,该度量有着更好的聚类效果.     

一种多时间间隔序列模式挖掘算法

提出一种多时间间隔的序列模式挖掘算法,依据挖掘的实际情况设置可变的时间区间,采用有效的剪枝策略,分区间精确显示多时间间隔序列模式挖掘结果.实验证明,算法具有较高的挖掘性能.     

基于复杂网络和最优子序列双射的形状描述与匹配

本文结合复杂网络理论分析形状特性,对形状建模成基于形状内部距离的小世界复杂网络,分析复杂网络节点的度特征和聚类系数特征,通过复杂网络的动态演化,构造多尺度的关于节点分布的直方图来描述形状;用轮廓点多尺度的度特征、聚类系数特征和内部距离形状上下文特征来描述轮廓点,结合改进的最优子序列双射算法实现形状匹配.实验中分析了复杂...     

一种基于时间序列的动态加密方法

加密技术在通信系统中有着广泛的应用,由于信道等环境的制约,所以对称加密方法更适合保密通信,尽管其有稳定性和安全性不够好,密钥生成单一,易破解等缺陷,特别是密钥的生成、管理方面的不足。为解决传统对称加密中密钥生成、保存、传输安全性不高的缺点,提出了一种基于时间序列的动态密钥生成方法用于信息加解密,以保证密钥的安全性,最后通过试验验证算法的可行性和稳定性。     

一种动态序列重力匹配算法

由于重力异常具有随机性,导致序列重力匹配算法精度受到匹配轨迹起始点位置的影响,因此,该文提出了一种动态序列重力匹配算法。该算法通过对构建多起点匹配轨迹序列,动态选择起始点,构建匹配轨迹序列,通过相关极值法提高重力匹配精度。结果表明,动态序列重力匹配算法重力匹配精度高,实时性好,能为水下载体长时间航行提供导航信息。     

M2LSH:基于LSH的高维数据近似最近邻查找算法

在许多应用中,LSH(Locality Sensitive Hashing)以及各种变体,是解决近似最近邻问题的有效算法之一.虽然这些算法能够很好地处理分布比较均匀的高维数据,但从设计方案来看,都没有针对数据分布不均匀的情况做相应的优化.针对这一问题,本文提出了一种新的基于LSH的解决方案(M2LSH,2 Layers Merging LSH),对于数据分布不均匀的情况依然能得到一个比较好的查询效果.首先,将数据存放到具有计数功能的组合哈希向量表示的哈希桶中,然后通过二次哈希将这些桶号投影到一维空间,在此空间根据各个桶中存放的数据个数合并相邻哈希桶,使得新哈希桶中的数据量能够大致均衡.查询时仅访问有限个哈希桶,就能找到较优结果.本文给出了详细的理论分析,并通过实验验证了M2LSH的性能,不仅能减少访问时间,也可提高结果的正确率.     

一种高维大数据全k近邻查询算法

全k近邻(all k-nearest neighbor,AkNN)查询,是k近邻查询的一个变型,旨在在一个查询过程中为给定数据集的每个对象确定k个最近邻.提出了一种在Hadoop分布式平台下处理高维大数据的AkNN查询算法.首先使用行条化思想结合p-stable LSH算法将高维数据对象降维,然后结合空间填充曲线Z-order的优良特性,把降维后的数据嵌入一维空间中,接着进行范围查询.整个过程使用MapReduce框架分布式并行处理.实验结果表明,所提出的算法可以高效处理高维大数据的AkNN查询.     

一种较少比较的串匹配新算法

串匹配问题是计算机科学研究领域中的一个焦点问题,被广泛应用于信息检索、基因序列匹配、网络安全以及图像模式匹配等诸多方面。论文在研究和分析已有串匹配算法的基础上,提出了一种基于正文标识的仅需较少比较次数的字符串匹配新算法。     

图像检索研究综述及系统实现

利用文献可视化分析工具对图像检索研究现状进行了综述，同时设计了一种基于位置敏感哈希算法的图像检索系统。通过位置敏感哈希算法将图像的特征向量映射到哈希桶中，从而有效地降低了计算复杂度并提高了图像检索的效率。实验结果表明，文中设计的方法在检索效率以及查全率-查准率两个测度上均获得了较好的性能。     

基于边缘计算的支持多密钥的加密图像检索

针对现有加密图像检索方案未考虑不同密钥加密图像集的情况,基于局部敏感哈希、安全近邻及代理重加密技术提出了基于边缘计算的支持多密钥的加密图像检索系统(包含基础方案和改进方案)。所提方案不但提高了图像查询效率、精度,而且降低了查询用户的额外计算开销。安全性分析表明,所提基础方案仅可抵抗已知密文攻击,而所提改进方案可抵抗已知背景攻击。基于实际数据集的实验性能测试表明,所提方案在实际应用场景中是可行的。     

基于随机化视觉词典组和上下文语义信息的目标检索方法

 传统的视觉词典法(Bag of Visual Words,BoVW)具有时间效率低、内存消耗大以及视觉单词同义性和歧义性的问题,且当目标区域所包含的信息不能正确或不足以表达用户检索意图时就得不到理想的检索结果.针对这些问题,本文提出了基于随机化视觉词典组和上下文语义信息的目标检索方法.首先,该方法采用精确欧氏位置敏感哈希(Exact Euclidean Locality Sensitive Hashing,E²LSH)对局部特征点进行聚类,生成一组支持动态扩充的随机化视觉词典组;然后,利用查询目标及其周围的视觉单元构造包含上下文语义信息的目标模型;最后,引入K-L散度(Kullback-Leibler divergence)进行相似性度量完成目标检索.实验结果表明,新方法较好地提高了目标对象的可区分性,有效地提高了检索性能.     

基于特征点的快速匹配算法

为了实现快速、高精度的图像匹配,将基于灰度的图像匹配技术与基于特征的图像匹配技术相结合.定义了一种灰度值特征.并提出一种基于图像灰度值特征点的快速匹配搜索算法.该算法利用得出的灰度值特征点作为搜索依据,改变了传统匹配方法遍历性质的搜索策略.由于特征点的选取对噪声和灰度值的线性变化具有一定的"免疫性".因此对灰度值不均匀的图像匹配问题同样适用.该算法在大大提高匹配速度的同时兼顾了匹配精度,实现了高效率、高精度的图像匹配.通过实验,证实了该算法的快速性和准确性.     

基于改进LSDA的人体行为识别算法

提出了一种基于改进的局部敏感判别分析(LSDA)的人体行为识别算法.首先,利用样本间的距离信息重置类内最近邻点集和类间最近邻点集的权值矩阵,保证在最大化目标函数时尽可能保持局部线性重构特性,解决小样本难题;然后,通过Gran-Schmidt正交化方法将特征矩阵进行正交化,可有效地保留原始空间中的高维空间,解决图像特征重建难题;最后在Weizmann行为数据库进行实验,平均正确识别率达到98.21％.试验结果表明,该算法具有良好的分类性能,在不同训练样本个数下,该算法均能获得较高的识别率.