邻域结构

摘要： 信息中心网络ICN作为新兴的网络架构是当前的研究热点之一。在采用寻址和路由分离的ICN架构中,名字解析系统作为核心基础设施提供了管理和维护内容标识符与定位符之间映射关系的功能。名字解析系统通常分布式地部署为用户提供服务,分布在网络中的名字解析节点及相互间建立的关系共同构成系统的结构,系统的结构与系统中数据的存储和路由、节点管理等都密切相关,直接影响着系统为用户提供服务的功能和性能。本文对ICN中名字解析系统的结构进行调研,总结了不同类型系统结构的特征和原理,并进行了对比分析,为ICN中名字解析系统后续的研究提供了参考。

摘要： 非刚性点集配准的关键是找到点集之间的正确对应关系。传统点集配准方法通常将特征点的全局空间距离作为判别准则,而未考虑点集的邻域结构信息,容易产生误匹配,为此,文中提出了一种基于邻域结构和驱动力的非刚性点集配准算法。首先,在一致性点漂移(CPD)算法的基础上,提出了一种局部距离计算方法,并将其与空间距离相结合,有助于提高匹配精度;此外,对传统形状上下文方法进行了改进,构建了一种新的驱动力准则,以在初始配准过程中提高搜索速度,在后期减小配准误差;最后,采用期望最大化(EM)算法迭代求解各点对的对应关系。在常用国际点集数据集上的仿真实验结果表明,在非刚性变形、噪声、异常点和遮挡等情况下,文中算法比经典算法具有更高的鲁棒性,匹配准确率也更高,并且对真实图像可以获得比较理想的配准效果。

摘要： 为了解决传统粒子群算法存在早熟收敛、搜索空间受限、精度不高等问题,通过四元数理论和粒子群算法,提出了一种改进粒子群算法.该算法以树状拓扑结构为基础建立邻域结构,速度公式中分别使用粒子三部分的记忆值,即自身最佳、局部最佳及全局最佳,同时在"社会"部分加入以四元数为模型的三者之间关系项,这样既能记录三者单纯的比较结果,又可以记录三者之间的关联关系.最后,分别从理论证明、实验仿真和实际物理实验三个方面验证算法的收敛性及有效性.结果表明:提出的新算法在某些测试函数中可收敛于全局最优值,在其余的几种测试函数中,该方法的平均值也要比其他三种算法更接近于全局最优,同时在图像的对比度增强的应用上具有很明显的优势.

摘要： 针对柔性作业车间调度问题(Flexible Job shop Scheduling Problem,FJSP),以最小化最大完工时间为优化目标,在研究现有Jaya优化算法的基础上,结合邻域搜索算法,提出一种改进混合Jaya优化算法.首先,针对MSOS编码方式设计种群初始化方法;其次,提出一种基于Jaya优化算法思想的离散化更新算子,使算法适用于FJSP;然后,设计了2种新型邻域结构,有效增强了算法的局部寻优能力;最后,通过3组著名的FJSP基准算例进行测试,并与相同目标的其他算法进行对比分析.结果 表明,改进混合Jaya优化算法能有效求解FJSP,且比相同目标的其他算法有更强的求解能力.

摘要： 基于图谱理论的多视图聚类是该领域的代表性方法之一.然而,现有模型尚存在3个问题.1)这类方法大多没有考虑不同视图之间的聚类性能差异,强制要求所有视图共享一个公共相似图;2)部分模型将相似图构建和聚类分步进行,导致所构建的相似图对于聚类任务并非最优;3)虽已有若干模型采用核学习处理数据间的非线性关系,但大多基于全局模型计算数据在核空间中的自表达关系,不利于充分挖掘局部非线性信息,且易带来沉重的计算负荷.为了应对以上问题,提出一种基于邻域多核学习的后融合多视图聚类算法,在类划分空间而不是数据相似图的层次进行信息融合,采用邻域多核学习方案在充分保留局部非线性关系的同时减轻计算负荷,并提出一种交替优化方案将相似图构建、多核组合、类指示矩阵生成等子任务在统一的框架下进行协同优化.多个数据集上的实验表明:该算法具有良好的多视图聚类效果.

摘要： 皮特·高德菲-史密斯是美国著名的生物学哲学家,他从杂交繁殖和繁殖竞争两种因果关系为切入点,区分了最小意义的、典范的达尔文式群体和边缘的达尔文式群体,同时在空间表征法的基础上,讨论了性状群体结构和邻域群体结构。这两种结构都可以解释利他主义行为的演变,但是邻域结构面临着群体选择不能在其中运行的挑战。高德菲-史密斯认为在情境分析的解释下,邻域结构可以在群体选择中运行,只不过它改变了传统的群体选择概念,另外,不是所有的利他主义进化模式都必须包含传统的性状群体结构。

摘要： 针对萤火虫算法(FA)复杂度大,对高维函数优化困难,容易陷入局部极小值等问题,提出了基于拓扑改进与交叉策略的萤火虫算法.该算法用冯诺依曼拓扑结构来模拟萤火虫之间的邻域结构,提高了全局搜索能力,并且减小了计算复杂度.同时,引入自适应交叉策略,根据萤火虫的多样性动态的调整交叉概率,增强了萤火虫跳出局部最优的能力.对8个标准测试函数的仿真实验表明,改进后的萤火虫算法与标准萤火虫算法相比,有更高的收敛精度和稳定性.

摘要： 为解决教与学优化(TLBO)算法易陷入局部最优的问题,提出了一种基于元胞自动机的教与学优化算法(CATLBO).算法建立了四边形网状元胞自动机模型并指定其邻域结构和规则.为保持种群多样性,在教学阶段提出以一定的概率接收退步个体的策略;为加快收敛并保证解的精度,在学习阶段制定不同学习规则,劣势个体向优势个体学习,优势个体执行混沌扰动进行自我学习.使用多个Benchmark测试函数和经典TSP问题对算法进行了仿真.结果表明:CATLBO算法全局搜索能力强,与基本TLBO等算法相比,在处理高维多峰问题上更具优势.

摘要： 运动目标的正确检测和识别是机器视觉研究及智能监控领域的关键技术，而阴影消除对目标的正确检测和跟踪至关重要。本文提出了一种改进的视频运动目标检测方法，通过定义图像的邻域结构度量关系，运用当前点亮度值与其邻域的梯度值作比值，消除光照因子以抑止阴影，同时在RGB颜色空间度量前景运动区域与其对应背景的差异，从而有效地提取出正确的运动目标区域。实验结果验证了该方法的可行性和有效性。

摘要： 本发明公开了一种基于光谱反射率邻域差异图和邻域概率融合的多光谱遥感影像变化检测方法，其实现步骤主要包括：1)输入同一地区的已配准的两时相多光谱图像集，对其进行维纳滤波去噪并归一化处理；2)将处理后的图像集转换为相对地物光谱反射率图像集；3)计算光谱反射率变化模值，得到光谱反射率变化模值图；4)计算光谱反射率角值，得到光谱反射率角制图；5)计算光谱反射率的邻域差异值，得到邻域差异图；6)分别对光谱反射率变化模值图、光谱反射率角制图和邻域差异图进行聚类，得到二值图；7)对所得二值图进行基于邻域概率的融合，得到变化检测结果图。本发明无需人工参与，检测精确度高，可用于城区扩展监测、森林和植被变化监测等领域。

摘要： 本发明提供了一种基于数据邻域特征与非邻域特征保持的工业过程故障检测方法，解决的主要技术问题就是如何在建立故障检测模型的过程中，全方位地考虑过程数据的距离、时间、和角度邻域特征，以及非邻域特征。该发明方法首先为每个采样数据点找出与之相对应的，在距离上、在时间上、以及在角度上相近的数据样本，以组成邻域集。而其他不相近的样本则用来组成非邻域集。然后，通过一个广义特征值问题求解出投影变换向量，并在此基础上建立相应的故障检测模型。最后，利用该模型实施在线故障检测。与传统方法相比，该方法建立的故障检测模型可以取得更可靠而准确的结果。

摘要： 本发明公开了一种基于邻域和非邻域平滑先验的图像前景精准提取方法，主要包括以下步骤：交互式标记前景点、背景点；对于输入图像的每一个未标记的像素，使用颜色采样方法初始化其α值，并计算其置信度，对于置信度大于给定阀值的像素，采信其α值，作为已知像素；对于输入图像的每一个像素，计算每个像素的数据项权重，邻域平滑约束项权重和非邻域平滑约束项权重，构建输入图像所有像素的图模型；根据已知像素的α值，在图模型的约束下，通过最小化能量方程解得每一个像素点属于前景的概率，得到掩像(alpha？matte)。本发明在计算精准度、掩像连续性等方面有良好的表现，可广泛应用推广到影视节目制作等领域。

摘要： 本发明涉及一种基于邻域归一化梯度和邻域标准差的多聚焦图像融合方法。首先利用小波变换对图像进行多尺度分解，获得图像在不同分辨率和不同方向下的低频和高频信息；然后根据低频和高频信息的各自特性，采用不用的融合规则进行处理，其中，对低频子图像采用基于邻域归一化梯度的融合方法，克服了传统的低频分量融合方法忽略边缘信息的缺点，对高频子图像采用基于邻域标准差的融合方法，可以最大限度的保留图像的细节信息；最后进行小波重构得到融合图像。本发明克服了传统的融合算法存在的边缘失真现象，使融合后的图像质量和清晰度均有明显提高，可以应用于各类军用或民用的多聚焦图像融合系统。

摘要： 本发明属于超高速图象处理的方法，本发明由多个独立地址线，数据线的存储芯片构成的存储阵列，双向多路开关，地址变换电路，排序电路，控制电路组成邻域图象帧存储体，从而实现了在邻域图象帧存储体中邻域图象数据的并行存取，并极大地提高了图象数据传输率。

摘要： 本发明提供了一种基于数据邻域特征与非邻域特征保持的工业过程故障检测方法，解决的主要技术问题就是如何在建立故障检测模型的过程中，全方位地考虑过程数据的距离、时间、和角度邻域特征，以及非邻域特征。该发明方法首先为每个采样数据点找出与之相对应的，在距离上、在时间上、以及在角度上相近的数据样本，以组成邻域集。而其他不相近的样本则用来组成非邻域集。然后，通过一个广义特征值问题求解出投影变换向量，并在此基础上建立相应的故障检测模型。最后，利用该模型实施在线故障检测。与传统方法相比，该方法建立的故障检测模型可以取得更可靠而准确的结果。

摘要： 本发明公开了一种基于光谱反射率邻域差异图和邻域概率融合的多光谱遥感影像变化检测方法，其实现步骤主要包括：1)输入同一地区的已配准的两时相多光谱图像集，对其进行维纳滤波去噪并归一化处理；2)将处理后的图像集转换为相对地物光谱反射率图像集；3)计算光谱反射率变化模值，得到光谱反射率变化模值图；4)计算光谱反射率角值，得到光谱反射率角制图；5)计算光谱反射率的邻域差异值，得到邻域差异图；6)分别对光谱反射率变化模值图、光谱反射率角制图和邻域差异图进行聚类，得到二值图；7)对所得二值图进行基于邻域概率的融合，得到变化检测结果图。本发明无需人工参与，检测精确度高，可用于城区扩展监测、森林和植被变化监测等领域。

摘要： 本发明公开了一种基于邻域和非邻域平滑先验的图像前景精准提取方法，主要包括以下步骤：交互式标记前景点、背景点；对于输入图像的每一个未标记的像素，使用颜色采样方法初始化其α值，并计算其置信度，对于置信度大于给定阀值的像素，采信其α值，作为已知像素；对于输入图像的每一个像素，计算每个像素的数据项权重，邻域平滑约束项权重和非邻域平滑约束项权重，构建输入图像所有像素的图模型；根据已知像素的α值，在图模型的约束下，通过最小化能量方程解得每一个像素点属于前景的概率，得到掩像(alpha matte)。本发明在计算精准度、掩像连续性等方面有良好的表现，可广泛应用推广到影视节目制作等领域。

摘要： 本发明涉及一种基于邻域归一化梯度和邻域标准差的多聚焦图像融合方法。首先利用小波变换对图像进行多尺度分解，获得图像在不同分辨率和不同方向下的低频和高频信息；然后根据低频和高频信息的各自特性，采用不用的融合规则进行处理，其中，对低频子图像采用基于邻域归一化梯度的融合方法，克服了传统的低频分量融合方法忽略边缘信息的缺点，对高频子图像采用基于邻域标准差的融合方法，可以最大限度的保留图像的细节信息；最后进行小波重构得到融合图像。本发明克服了传统的融合算法存在的边缘失真现象，使融合后的图像质量和清晰度均有明显提高，可以应用于各类军用或民用的多聚焦图像融合系统。

摘要： 本发明属于超高速图象处理的方法,本发明由多个独立地址线,数据线的存储芯片构成的存储阵列,双向多路开关,地址变换电路,排序电路,控制电路组成邻域图象帧存储体,从而实现了在邻域图象帧存储体中领域图象数据的并行存取,并极大地提高了图象数据传输率。