邻域

摘要： 自组织映射网络(SOM)具有良好的自组织性和可视化等特征,因此常被用于无监督聚类中.传统的SOM网络在聚类时容易受控制参数和数据集输入顺序的影响,导致聚类的过度拟合和死节点的出现.自组织特征映射网络邻域调整过程中引入模拟退火算法,以一定的概率激活邻域外节点,有效避免网络的过度拟合和死节点的出现.在数据集上的实验证明,引入模拟退火算法SOM网络在一定程度上要优于原始算法.

摘要： 快速搜索和寻找密度峰值聚类算法(DPC)是近年来提出的一种基于密度的聚类算法,具有原理简单、无需迭代并能实现任意形状聚类的优点。但该算法仍存在一些缺陷:围绕聚类中心点聚类,使聚类结果受中心点影响显著,且聚类中心点数量仍需人为指定;截断距离仅考虑了数据的分布密度,忽略了数据的内部特征;聚类过程中若有样本存在分配错误,会导致其后续样本聚类出现跟随错误。针对上述问题,尝试提出一种去中心化加权簇归并的密度峰值聚类算法(DCM-DPC)。该算法引入权重系数重新定义了局部密度,并由此划分出位于不同局部高密度区域的核心样本组,用于取代聚类中心点成为聚类的依据。最后将剩余样本按其近邻样本所在类簇的众数,或分配到最高耦合的核心样本组代表的类簇中或标注为离散点以完成聚类。在人工和UCI数据集上的实验结果表明,提出算法的聚类效果优于对比算法,对相互纠缠的类簇的边界样本划分也更加精确。

摘要： 本文主要结合一般拓扑学中的几个概念,探索如何讲解一般拓扑学,才更能符合高年级数学专业学生的考研需求.该论文考虑的主要内容有:加深对可度量化拓扑空间中邻域概念的直观认识;从拓扑空间的角度理解数学分析中的连续函数;掌握拓扑空间中的序列和网的差别.

摘要： 属性约简是粗糙集理论的重要研究内容之一,其主要目的是消除信息系统中不相关的属性,降低数据维度并提高数据知识发现性能。然而,基于粗糙集的属性约简方法大多没有考虑属性之间的依赖性,使得最终的属性约简结果存在一定的冗余属性。对此,提出一种基于邻域条件互信息熵的属性约简算法。首先,在传统邻域熵的基础上,针对混合型数据,提出混合型邻域互信息熵模型和混合型邻域条件互信息熵模型;然后利用这两种熵模型进行混合型信息系统的属性依赖度评估和属性启发式搜索,并设计出一种属性约简算法;最后通过UCI数据集的实验分析,证明了提出的算法具有较高的属性约简性能。

摘要： 为解决二阶偏微分方程图像去噪时产生的阶梯效应,考虑到四阶偏微分方程在图像光滑区域消除阶梯效应的能力,提出基于8-邻域和隐式曲率的多阶偏微分方程混合去噪方法,利用8-邻域和隐式曲率构造的权重函数去控制两类方程在图像去噪时的比例,实现二阶偏微分方程和四阶偏微分方程的自适应调整去噪。实验结果表明,新方法能有效避免边缘模糊和“阶梯效应”又能消除四阶偏微分方程的“斑点效应”,图像的MAE、PSNR、SSIM值显著提升,去噪效果较好,且能够较好保持图像细节特征和边缘信息。

摘要： 关键蛋白质是各种生命活动的重要参与者,在生命生存和繁殖中起着至关重要的作用.基于邻域的中心性方法是识别关键蛋白质的常用方法.提出基于邻域组合的中心性方法(CNC),将度中心性方法(DC)与局部平均连接中心性方法(LAC)进行组合,并引入参数α调节DC方法的影响权重.实验表明,与现有其它邻域中心性方法相比,CNC方法提高了静态和动态蛋白质相互作用网络的关键蛋白质识别率.

摘要： 针对现实环境下数据集不断动态变化的特性,提出一种邻域决策粗糙集模型的增量式更新算法.采用由简单到复杂的研究思路,分析了邻域型信息系统论域增加和减少单个对象时,目标近似集与邻域类之间概率的变化规律,进一步地利用这种规律来构造单个对象变化时邻域决策粗糙集模型上下近似集的增量式更新,在单个对象变化的基础上,通过逐步迭代的方式设计了对象批量变化时的增量式更新算法.实验分析表明,所提出的算法具有较高的增量式更新性能,适用于动态数据环境下邻域决策粗糙集模型的动态更新.

摘要： 在全球碳中和目标下,光伏等清洁零碳新能源成为碳减排的关键,分布式光伏也成为该行业发展的重要方向.由于分布式光伏出力具有较强的随机性和波动性,精准功率预测是其参与电网调度运行的基础.在当前分布式光伏所获取信息有限的情况下,提出了一种基于邻域前向时序最优组合的分布式光伏超短期功率预测模型,考虑邻近区域分布式光伏站点间实时出力关联性,挖掘生成区域性多气象状态时空耦合预测场景.模型扩展有效信息维度,在不依赖于地表气象观测装置的情况下进行高效训练建模,具有经济、轻量与易部署的特点,提升了有限信息下的分布式光伏超短期功率预测精度.采用某区域分布式光伏系统实采数据进行算例分析,分别与基于功率时序推移、基于多站点相似的经典分布式光伏超短期功率预测模型相比较,结果表明所提模型具有更高的预测精度.

摘要： 基于邻域的变精度覆盖粗糙集模型中，β上，下覆盖近似算子的交不保持交运算。通过定义一对新的覆盖边界上，下算子，并讨论了它们的性质。应用新定义的算子，能够将覆盖上下近似算子交运算的不等式变成等式，防止了信息的丢失。

摘要： 针对条型材的合理下料问题,将启发式算法与模拟退火算法相结合,提出一套解决合理下料问题的方法,并详细介绍了关键步骤和参数的设定.最后用Matlab和VC给出了一个实例.

摘要： 针对条型材的合理下料问题,将启发式算法与模拟退火算法相结合,提出一套解决合理下料问题的方法,并详细介绍了关键步骤和参数的设定.最后用Matlab和VC给出了一个实例.

摘要： 针对条型材的合理下料问题,将启发式算法与模拟退火算法相结合,提出一套解决合理下料问题的方法,并详细介绍了关键步骤和参数的设定.最后用Matlab和VC给出了一个实例.

摘要： 针对条型材的合理下料问题,将启发式算法与模拟退火算法相结合,提出一套解决合理下料问题的方法,并详细介绍了关键步骤和参数的设定.最后用Matlab和VC给出了一个实例.

摘要： 针对条型材的合理下料问题,将启发式算法与模拟退火算法相结合,提出一套解决合理下料问题的方法,并详细介绍了关键步骤和参数的设定.最后用Matlab和VC给出了一个实例.

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。