一种将XML模式转化为编程语言的算法

为设计与实现XML通用数据编辑框架中编辑数据的验证,提出一种将XML Schema文档转化为Java代码的算法。研究XML Schema的元素和元素间嵌套关系的定义规则,在此基础上定义元素到Java代码的转换规则和转换算法。该算法以Schema元素为根元素,采用深度优先搜索算法遍历XML Schema文档的每个元素,保证对XML Schema文档转换的完整性。算法实现了XML Schema定义的28种元素和12种限定元素到Java代码的转换,并且元素间的嵌套关系也得到完整的保存。最后通过转换实例验证了该算法的正确性和有效性。     

基于细粒度数据语义的Web服务匹配方法研究

基于结构匹配的Web服务发现方法常常由于XML Schema定义的灵活性,使得一些本来语义相近的Web服务由于描述结构的不同而匹配失败,且计算开销较高。为此提出了一种基于细粒度数据语义的SAWSDL服务匹配方法和一个数据语义分解转换算法。将每一个消息级参数转换为多个细粒度的数据参数,使得基于消息级的SAWSDL服务匹配转化为更细粒度的数据语义匹配。实验结果表明该方法能够提高Web服务的效果,且计算开销较低。     

数据集成中XML文档和关系数据库映射方法研究

在数据集成中为了有效保证数据信息的完整性,基于XML Schema在数据集成中的优势,提出一种以节点生成树作为中间桥梁的XML Schema和关系数据库模式相互映射的算法,建立了XML文档和关系型数据库之间双向转换的映射模型,并给出了这一模型的具体实现方法。     

基于信息度量和聚类的模式集成方法

针对模式集成过程中表示不同语义的属性因名称特征和数据实例特征相似而引起的误配问题,提出一种基于信息度量和聚类的模式集成方法。该方法通过构造数据实例的点互信息向量将属性表示到向量空间中,将模式集成问题简化成求解空间中的属性点的相似性问题,进而基于DBSCAN算法对属性进行聚类,有效识别同名异义的属性,同时结合属性的加权相似度对类中误匹配属性进行筛除,提高属性匹配结果的精确度。实验结果表明,该方法能有效地将模式信息与数据实例相结合来取得更准确的匹配结果,可以解决多个异构模式的集成问题。     

基于Wu-Manber算法的大规模URL模式串匹配算法

大规模高速URL匹配是许多网络安全系统中的关键技术,经典串匹配算法在大规模URL情况下有许多限制.针对URL数据的特点在经典多模式串匹配算法Wu-Manber基础上提出XWM-Tree算法和XWM-Hash算法.算法应用了模式串窗口选择,两阶段哈希和关联容器组织冲突链表等多种优化手段,大幅度提高了算法的匹配性能.在大规模真实数据集上的测试结果表明本文提出的算法匹配速度可以提高一倍以上,尤其是当最短模式串较长的时候更有优势.     

图像匹配算法的研究进展

图像匹配是计算机视觉和图像处理中的重要研究内容.分析了图像匹配中的难点问题及其关键技术,研究了组成匹配算法的四个要素,介绍了近来出现的新思路和新方法,对匹配算法进行了分类和性能比较,提出了实际应用中有待进一步研究的内容,如算法的集成、神经网络、遗传算法和基于高层语义的应用等.     

定序窗口布尔表达式匹配技术研究

提出了布尔表达式匹配技术，给出了算法框架，在此框架上实现了2种常用的实现方式；为了进一步增加布尔表达式的描述功能，增加了定序和窗口2个限制条件，提出了BitCount_OWBE算法，通过理论分析和实验数据证明该算法在多数情况下仍然可以达到原先的性能，从而很好地解决了上万规模的复杂规则匹配问题。     

基于模糊集的神经网络景象匹配算法

将神经网络思想引入到景象匹配，提出了基于模糊集的神经网络景象匹配算法。该算法将图像模糊集作为特征空间，尝试了在模糊域中采用3层前向神经网络搜索算法进行精确寻优的方法。实验结果表明，设计的算法不但较好地满足了景象匹配系统对匹配概率和匹配精度的要求，而且比传统算法具有更高的抗干扰能力，且实时性也较好，为飞行器实时景象匹配提供了一种可行方法。     

基于XML Schema XML文档验证算法

文中研究XML文档的验证机制,提出一种基于XML Schema验证XML文档的算法。该算法将数据语法规则、约束要求及类型要求等采用XML Schema进行描述,既能够基于XML Schema验证XML文档语法的正确性,又提供语法错误的处理机制并支持错误位置追踪。当XML文档存在语法错误时,该算法将错误信息按照错误发生顺序依次输出。通过对错误信息的处理,该算法可以通过鼠标点击错误信息追踪语法错误发生位置。因而数据编辑人员可以高效地对XML文档做出修改,提高了工作效率。为验证该算法的正确性,将该算法集成到某XML编辑器中,并通过实验验证。经过一系列的试验验证,该算法达到了设计要求。     

下视景像匹配算法性能评估

下视景像匹配技术是项自主定位技术，良好的景像匹配算法是保证下视景像匹配系统性能的关键，如何评价下视景像匹配算法的性能是当前急需探讨的问题。文章分析了现有的评估方法及其缺陷，并对试验分析的方法进行了研究，设计了下视景像匹配算法的评估系统。     

基于灰色理论的整体模式匹配

模式匹配是Deep Web研究中的关键问题.现有的模式匹配算法都是基于两两匹配的原则,同一时刻只能比较两个属性,比较繁琐,当数据源很大时困难很大,效率不高.利用整体模式匹配的思想,提出了一种新的匹配算法.这个方法引入了灰色理论,将每个接口属性抽象成一个向量,每一个向量表示该属性在某一个模式中出现与否.通过比较两个向量各个分量的值,一次性地处理所有模式,从而从整体上分析属性之间的关联性.实验证明这种方法易于计算机实现,可以简单、高效地完成模式匹配.     

基于匹配博弈的车辆异构网络选择算法

摘要：针对车辆在异构网络覆盖环境下的网络接入选择问题,基于双边匹配博弈中稳定匹配的相关概念,提出一种车辆异构网络选择博弈模型,通过用户侧与网络侧的双向选择得到异构网络选择的稳定匹配。算法首先利用层次分析法获得相应权重分配以给出满意度函数,然后将网络侧的一对多匹配转化为一对一匹配问题,在稳定匹配条件下构建多目标优化模型,并求解最优匹配结果。相关性能分析及仿真实验表明,基于稳定匹配的博弈模型相对于传统决策模型,能够使网络和用户侧双方的满意度最优化,从而得到双向网络选择的均衡状态。     

基于自适应最优聚类的目标匹配跟踪算法

提出了一种基于新的自适应最优聚类的模板匹配跟踪方法。利用模式分类准则计算最优聚类数,然后根据最优聚类数采用k-均值方法进行多次聚类。根据聚类结果计算熵矢量和距离矢量,组合得到特征矢量,利用特征矢量进行匹配跟踪。匹配采用简单的相似性准则,实时模板更新算法为多模更新。测试结果表明,该算法针对不同的目标能自适应地选择聚类参数,在目标发生几何变化时,能实现精确稳定的跟踪。     

基于自适应最优聚类的目标匹配跟踪算法

提出了一种基于新的自适应最优聚类的模板匹配跟踪方法。利用模式分类准则计算最优聚类数, 然后根据最优聚类数采用k-均值方法进行多次聚类。根据聚类结果计算熵矢量和距离矢量, 组合得到特征矢量, 利用特征矢量进行匹配跟踪。匹配采用简单的相似性准则, 实时模板更新算法为多模更新。测试结果表明, 该算法针对不同的目标能自适应地选择聚类参数, 在目标发生几何变化时, 能实现精确稳定的跟踪。     

基于细节点聚类的多参考中心指纹匹配算法

指纹匹配算法的好坏直接影响识别系统的精度。提出了一种新的基于细节点聚类的多参考中心指纹匹配算法，在两枚指纹对齐阶段，不仅考虑了指纹的全局特性而且根据不同的细节点类自适应地构造不同的局部结构．有效地利用了一些孤立但信息量较大的细节点，提高重叠区域内细节点较少且分散的情况下对齐的准确性。在匹配阶段。多参考中心的使用和相似元分析的结合能在一定程度上克服指纹非线性形变的影响，降低了匹配算法的拒识率。实验结果表明该方法提高了匹配的性能。     

基于Moran信息的基准图选取算法

基于Moran信息的基准图选取算法,可解决传统基准图选取算法的异源图像匹配效果不佳的问题。文章分析了Moran信息用于基准图选取时得到的基准图唯一性差的问题,提出了将Moran信息与空间子区一致性匹配算法相结合的基准图选取算法。实验结果表明,该算法能有效选取出结构特征丰富、唯一性好的基准图。     

基于目标分群与模糊匹配的态势评估技术

采用目标分群和部队编制模糊匹配技术实现了态势评估系统。介绍了数据融合发展概况与融合模型,在数据融合修正模型的基础上,提出了态势评估总体技术框架、功能模块和关键技术。介绍了目标分群处理流程,包括目标分群、群的分裂与合并,并进一步阐述了目标分群算法与模糊匹配算法。介绍了基于模糊匹配技术实现军事体系单元假设推理的方法,给出目标分群计算结果,说明了算法的有效性。     

一种基于聚类分析的红外图像配准算法

为了提高红外图像匹配的精度和效率,提出了一种将Harris-Laplace关键点提取和旋转不变LBP特征描述算子相结合的局部特征检测新算法,该算法不仅在图像的尺度、光照和角度发生变化时,仍然能够得到很好的检测效果,而且能很好地描述图像的局部纹理特征.特征向量描述完成后,为了进一步提高红外图像特征点匹配的正确率,提出了一种基于K-means聚类分析的图像匹配策略.先利用Cosine余弦相关匹配策略实现特征点的初步粗匹配,接着采用K-means 聚类分析匹配策略剔除图像中大部分的错误匹配.实验表明:提出的算法表现出良好的鲁棒性,关键点提取的重复率(Repeatability)提高了9.2％.与传统的匹配算法相比,采用基于K-means聚类分析的匹配策略匹配精度可以提高5.05％,匹配时间可以缩短0.068 s.该特征描述算法和基于K-means聚类分析的匹配算法满足了红外图像配准的高精度性和高实时性的要求.     

一种基于区域颜色信息的宽基线立体匹配算法

立体匹配技术是立体视觉研究领域的难点,利用图像的特征信息解决对应问题是研究的热点.本文在提取基于边缘仿射不变区域检测器的基础上,设计了基于区域颜色信息和几何信息的彩色图像立体匹配算法.该算法首先对所提取的不变区域进行颜色空间量化,在此基础上根据两种色彩之间的距离进行色彩聚类,然后计算直方图的二次距离,并进行相似性度量,最后根据区域间几何性质进行误匹配剔除.实验证明,该算法能降低解决对应问题的复杂性,提高正确匹配率.该方法对于目标识别、三维重建、非接触测量等研究均具有重要的意义.     

基于K-means聚类的相控阵任意形状波束子阵综合方法

传统相控阵由于设计复杂性和成本过高,已经不能满足日益增长的应用需求,子阵划分等技术较好地解决了这个问题。本文提出一种任意形状波束相控阵子阵综合方法,在激励匹配策略下,将子阵综合问题转化为一个子阵布局优化问题,而子阵的复激励可解析地从参考阵列激励计算得到。利用一种无监督聚类K-means方法对子阵布局优化问题进行求解,该方法能同时对子阵的激励幅相进行优化,增加了子阵综合的自由度和灵活性。在任意形状波束子阵综合数值算例中,通过与传统智能优化方法在方向图逼近、激励匹配代价函数、阵列性能参数及计算效率等方面的比较,验证了所提方法的有效性。