一种改进的基于KNN颜色线性模型抠图算法*

介绍了一种减少用户标记和改进的基于KNN(K Nearest Neighbors)颜色线性模型的图像软抠取算法.通过ESCG(Efficient Spectral Clustering on Graphs)算法对输入图像进行谱聚类,用户只需选择某些类中确定的前景、背景像素,便能生成只包含少数未知像素的三分图.基于KNN颜色线性模型的抠图算法将局部平滑假设与非局部原理相结合,但在毛发及前景背景像素近似区域抠取效果并不理想,提出的改进算法将焦点特征添加到特征向量中,最小化基于图拉普拉斯矩阵的二次目标函数并确定泰知像素的透明度值.实验表明,改进算法在毛发、孔洞或者图像前景背景近似的区域都能有好的抠取效果.     

聚类系数大小及分布可调的BBV网络演化模型

在传统BBV模型的基础上,提出了一种改进的BBV网络演化模型。基本思想是改变网络增长过程中新节点加入时,新旧节点的连接方式及优先选择概率。该模型不仅可以调节无标度加权网络度和强度的分布,还可以通过改变“三角形”连接概率公式中系数的大小,增大网络的聚类系数并调节网络聚类系数的分布。即根据实际需要,大范围调节网络度分布,精确调节聚类系数大小及分布,其生成机制更符合实际网络的演化过程。     

基于轨迹位置形状相似性的隐私保护算法

为了降低轨迹数据发布产生的隐私泄露风险,提出了多种轨迹匿名算法。然而,现有的轨迹匿名算法在计算轨迹相似性时忽略了轨迹的形状因素对轨迹相似性的影响,因此产生的匿名轨迹集合的可用性相对较低。针对这一问题,提出了一种新的轨迹相似性度量模型,在考虑轨迹的时间和空间要素的同时,加入了轨迹的形状因素,可以在多项式时间内计算定义在不同时间跨度上的轨迹的距离,能够更加准确、快速地度量轨迹之间的相似性;在此基础上,提出了一种基于轨迹位置形状相似性的隐私保护算法,最大限度地提高了聚类内部轨迹的相似性,并且使用真实的原始位置信息形成数据"面罩",满足了轨迹k-匿名,在有效地保护轨迹数据的同时,提高了轨迹数据的可用性;最后,在合成轨迹数据集和真实轨迹数据集上的实验结果表明,本算法花费更少的时间代价,具有更高的数据可用性。     

改进谱聚类算法在MCI患者检测中的应用研究

为了利用功能核磁影像（fMRI, functional magnetic resonance imaging）数据进行轻度认知障碍（MCI, mild cognitive impairment）自动检测,对患者的fMRI数据进行聚类分析,得到患者大脑血氧依赖水平(BOLD, blood oxygen level dependence)的变化模式,并将异常模式用于疾病检测中。由于传统谱聚类算法需要计算相似矩阵所有的特征值和特征向量、时间与空间复杂度较高。提出一种改进的谱聚类方法,在相似矩阵的构造以及σ与k值的确定等方面进行了改进,将其用于MCI fMRI数据的聚类与诊断研究中。与传统谱聚类及Nystr?m算法进行的对比实验结果表明,改进的谱聚类方法可以更准确得到患者异常BOLD模式,分类正确率较高,且时间和空间复杂度均小于传统算法。     

基于N阶近邻路网的车辆行程时间估计模型

车联网的提出为智能交通的研究提供了新的交通信息收集技术.针对短时交通中车辆的路网行程时间估计问题,提出了基于N阶近邻的隐马尔科夫模型,利用马尔科夫性质来解决道路行程时间的前后关联性问题,同时考虑不同道路的异构性构建了N阶近邻路网模型来模拟路网间的交互影响.针对短时交通中实时数据更新的问题,提出基于道路关联性算法,并结合车联网的采集技术给出了迭代更新模型的方法.实验表明,本文提出的方法在短时交通车辆行程时间预测中精度较高,能够在车辆行进中做出实时预测.     

基于几何字典学习和耦合约束的超分辨率重建

传统的基于稀疏表示的超分辨率重建算法对所有图像块,应用单一冗余字典表示而不能反映不同几何结构类型图像块间的区别。针对这一问题,本文探索图像局部几何结构特性,提出一种基于结构特性聚类的几何字典学习和耦合约束的超分辨率重建方法。该方法首先对训练样本图像块进行几何特性聚类,然后应用K-SVD算法为每个聚类块联合训练得到高低分辨率字典。此外,在重建过程中引入局部可控核回归和非局部相似性耦合约束,以提高重建图像质量。实验结果表明,与单一字典超分辨率算法相比,本文方法重建图像边缘和细节部分明显改善,评价参数较大提高。     

非旋波近似下薛定谔猫态光场与V型三能级原子相互作用系统的量子特性

在非旋波近似下,通过采用相干态正交展开的方法,对薛定谔猫态光场与V型三能级原子相互作用的量子特性进行了研究。首先,精确求解了V型三能级的能谱,并判断了系统的保真度。其次,演化问题的结果表明：当原子初态处于基态时,随着初始光场强度的增大,奇相干态和偶相干态的二阶相干度的振幅都减小,且表现出聚束效应与反聚束效应的临界状态。当原子初态处于叠加态时,随着初始光场强度的增大奇相,奇干态和偶相干态的二阶相干度的振幅都减小,且表现出聚束效应。最后,当系统耦合系数减小,光场二阶相干度的振荡幅度减小,光场呈现反聚束效应。     

反应性液晶修饰的光敏聚芳醚光取向稳定性研究

采用反应性液晶通过光聚合反应与聚芳醚光取向膜复合方法,制备了平面转换(In-plane switching,IPS)液晶显示器件,并在高温状态下对其光电显示和取向稳定性能进行了研究。结果显示,与单一聚芳醚光取向膜相比,利用复合光取向膜制备的IPS器件在高温状态下的光电显示和液晶取向稳定性能都得到了明显提高,在65℃明亮显示20h无液晶取向变化,在120℃维持2h无明显光量渗透。在线偏振紫外光下,光敏聚芳醚薄膜发生各向异性光交联反应,其交联程度最高可达67.4%。SEM分析结果发现,反应性液晶单体在UV光照射下,在聚芳醚光取向膜表面上发生了各向异性光聚合反应,沿先前光取向方向形成长度为0.4μm左右的棒状聚合物,有效限制了光取向膜中未交联的柔性基团的活动能力,进而有效增强了复合取向膜对液晶的取向稳定性。     

基于关联规则的软件多故障定位技术

为了提高软件故障的定位效率,提出一种基于关联规则的软件多故障定位技术。通过使用聚类方法把失败的测试用例分成针对特定错误的聚类,使用基于交叉表的软件故障定位方法发现软件中的故障,在定位过程中使用关联规则挖掘高可疑代码与软件故障的关系,提高故障定位的效率,最后对Siemens用例集和Tarantula方法进行对比。实验表明基于关联规则的软件多故障定位技术在软件多故障定位方面效率优于Tarantula方法。     

基于MDL原理的快速在线信号分选算法

研究了一种基于最小描述长度(MDL)原理的快速在线雷达脉冲信号聚类分选算法,该方法利用幅度或相位差异特征,实现对雷达脉冲数据向量的聚类分选处理。设计了基于MDL原理的在线信号分选算法流程,在每接收到一定数量雷达脉冲信号后,执行一次聚类分选处理;对算法流程中的每个处理模块进行了完备的运算量分析,为工程设计提供有效的理论指导;并对比分析了离线和在线算法的性能。仿真结果表明:在线算法的信号分选正确率与离线方法基本一致,具有很强的工程应用前景。