基于特征子图的异构信息网络节点相似性度量

为解决异构信息网络相似性度量的问题,提出了基于节点特征子图的节点相似性度量算法,通过节点特征子图的最大公共子图与最小公共超图之间的差异性,进行节点间的相似性度量.该算法以图理论为基础,根据连边的不同类型设定不同权值,在考虑节点信息相似的同时,加入节点在网络中的结构信息,最大程度地利用了异构信息网络所富含的信息.实验结果表明,提出的算法具有较好的性能和有效性.     

侦察吊舱电磁环境复杂度定量研究及软件仿真

侦察吊舱电磁环境复杂度定量度量是构建逼真的战场环境的重要步骤,为解决侦察吊舱电磁环境复杂度难以定量度量问题,分析研究了侦察吊舱所处的电磁环境,从引起电磁环境复杂度的主要影响因素出发,结合环境复杂度因素的客观性及主观性,基于灰色层次分析法及组合理论得到环境因素复杂度计算方法,给出了一个解决定量度量电磁环境复杂度的算法.在...     

关于度量加的一个定理及一个矩阵不等式

关于度量加的一个定理及一个矩阵不等式苏化明（合肥工业大学数学力学系２３０００９）§１关于度量加的一个定理Ｒ。Ａｌｅｘａｎｄｅｒ在［１］中曾提出如下猜想：设两个单形的顶点分别为ｐ＿１，Ｐ＿２，…，Ｐ＿（ｎ＋１），和构作第三个单形，使得测应当有不等式这里...     

EGS通信网络可靠性分析研究

文中采用图论和最小路法,通过对电子政务网络通信网络系统需求的分析,对基于二端口的网络可靠性、全网可靠性进行了定量性的分析,并给出了相应的算式模型,对电子政务通信网络系统可靠性的研究提供了一些分析方法。     

机动车驾驶人场地驾驶技能考试系统算法设计

目前机动车驾驶人场地驾驶技能考试都是采用车载工控机进行软件算法的实现,其成本高,要求量取较多的车辆尺寸,且需要对场地项目进行区域划分,算法效率低。针对以上问题,设计了基于RTK技术的差分双GPS定位方案的车身出线及车辆压线的高效评判算法,该算法主要采用线段相交式的计算方法,通过实际场地测试,得出该算法对车辆尺寸度量点数少、运算效率高,易于在微控制器中实现,成本低,且无需对场地项目进行GPS区域划分,可以缩短施工周期、提高施工效率。     

WSN中源节点隐私保护协议研究

无线传感器网络被广泛应(wireless sensor network,WSN)用于军事战场、环境监测等外部环境比较恶劣领域。又因为无线传感器网络依赖于无线通信,WSN节点资源受限,所以WSN安全问题相当突出。本文关注的是WSN中位置隐私保护问题,其中对源位置隐私保护进行了重点研究。文章首先对WSN的隐私保护问题进行了简单分类介绍,接着总结介绍了几种典型的源节点隐私保护方案,最后对评价源节点位置隐私保护协议有效性的协议度量标准进行了归纳总结。     

一种基于加权最多邻近点距离的相关跟踪方法

针对相关跟踪过程中障碍物遮挡,噪声和目标形变对跟踪稳定性的影响,提出了一种基于加权最多邻近点距离的相关跟踪方法。采用模板图像与实时图像的相似点个数并与距离进行加权的方式定义相似性度量,结合相似度对目标模板进行更新,采用Kalman算子预测目标位置并进行分层搜索,实现快速稳定跟踪目标。实验结果表明,该方法能较好地抑制噪声和目标遮挡的影响,目标遮挡重新捕获成功率高于80%,目标跟踪精度低于10个像素。     

移动机器人目标识别算法

针对移动机器人在目标识别过程中对视觉图像特征点提取慢,匹配不准确等特点,提出了一种基于SIFT算法的改进目标识别算法。通过采用组合匹配策略,将特征关键点间的距离和内积同时进行考察,根据其自身值的大小,决定对匹配相似度的贡献。组合策略的引入有效地解决了机器人在目标识别中对相同特征图像不能匹配和不同特征图像能够匹配的问题。为克服目标匹配时实性差的弱点,以关键点为根据构建K维树结构,采用最近邻点搜索,快速找出正确匹配的特征点。为实现移动机器人目标识别过程中的自主性,在特征点匹配过程中引入自适应阈值进行判断。实验表明,该方法对移动机器人目标识别准确率有较大提升,能够满足移动机器人在目标识别和跟踪过程中对视频图像处理的实时性和准确性的要求。     

基于VGG的高准确率翻拍广告图片检索系统

随着信息技术的发展,图像检索技术应用越来越广泛,对图像检索技术的适用性要求也越来越高,不但要对主体明确的图像进行检索,同时对以翻拍广告图像为例的受环境等多种外界因素影响的图像也可以进行准确检索。实际中,如何摒弃这些外界干扰并迅速的从海量的数据中准确地匹配到所需的图像,成为图像检索的一大热点问题。本文采用VGG网络模型提取图像特征,利用迁移学习的思想将在ImageNet数据集上训练好的网络模型根据目标数据集的特点进行微调,使得在已有的大数据集上训练好的网络模型进一步适用于新的数据集。采用余弦相似度度量进行相似度比较。结果表明,卷积神经网络可以提取更丰富的特征,相对传统分类方法可以提升速度和准确率。     

深度非线性度量学习在说话人确认中的应用

将非线性度量学习(Nonlinear Metric Learning,NML)应用于说话人确认,提出了一种基于深度独立子空间分析(Independent Subspace Analysis,ISA)网络的说话人确认方法。区别于传统的线性度量学习方法,该方法使用深度独立子空间分析网络来学习一种从说话人原始空间到优化子空间的非线性显式映射,并在此基础上计算两条语音之间的相似性,以获得更好的说话人确认性能.所提方法在NIST SRE 2008数据集上进行了评估。评估结果表明,所提算法的等错误率指标相比传统的基于余弦距离打分的i-vector算法、线性判别分析(Linear Discriminant Analysis,LDA)算法、概率线性判别分析(Probabilistic Linear Discriminant Analysis,PLDA)算法分别下降了11.02%,6.40%和4.579%。