基于最大权团的曲面粗匹配算法

提出一种将曲面匹配问题转化为图论中的最大权团搜索问题、将最优的点对应关系用最大权团表示的曲面粗匹配算法,该算法分为点匹配、点对应图构造和最大权团生成等3个阶段.点匹配使用高曲率点和均匀采样点作为候选点,通过自旋图进行匹配计算,构造初始点对应集合;点对应图构造使用距离约束、法矢约束和唯一性约束构造图的边,并使用自旋图相关系数为顶点赋权值;最大权团生成使用基于分支限界的团搜索算法,从对应点图中提取出代表最优对应的最大权团.实验结果表明,文中算法稳定、有效、可扩展,能够进行部分曲面匹配,并且适用于欠特征曲面.     

启发策略的确定性退火技术非刚性点匹配算法

点匹配问题一直是计算机视觉、模式识别、医学临床诊断领域的一项重要的基础性工作。提出了带启发策略的确定性退火技术非刚性点匹配算法。该算法引入软匹配思想将匹配矩阵系数连续化,为加快匹配矩阵的收敛速度,给出了带启发策略的对应启发矩阵,构造了一种适合确定性退火算法求解的新能量函数公式。实验结果表明,该算法可以得到稳定的解,并且可以避免出格点等噪音的干扰,具有稳定性,有效性,和较高的效率。     

基于BERT与图像自注意力机制的文本匹配模型

为了提高文本匹配的准确率,针对BERT（Bidirectional Encoder Representations from Transformers）模型和MatchPyramid模型在文本匹配中存在的局限性,提出一种基于BERT与图像自注意力机制的文本匹配模型。首先,利用BERT模型将一对文本编码为单词级别的特征向量。其次,根据词向量构建2段文本之间的词与词相似性的匹配矩阵,并将其视为单通道的图像表示。然后,通过图像的自注意力机制生成匹配矩阵的自注意力特征矩阵。最后,将匹配矩阵与自注意力特征矩阵连接为多通道,利用卷积神经网络捕获图像中的文本匹配信号,并将匹配信号与BERT模型输出的［CLS］编码向量连接后,输入全连接层得到2段文本的相似度。实验结果表明,该模型在WikiQA数据集上相比于BERT模型、MatchPyramid模型和其他文本匹配模型,可以有效地提高MAP和ＭRR衡量指标,验证了该模型的有效性。     

基于蚁群算法的多目标优化

提出2种结合颜色矢量的谱匹配算法。一种算法是从空间矢量关系的角度提取不受光源影响的图像颜色特征,结合图像特征点的几何特征,为待匹配的2幅图像分别构造亲近矩阵,通过对亲近矩阵进行奇异值分解构造一个反映特征点之间匹配程度的关系矩阵,从而获得匹配结果。另一种是将得到的匹配结果作为初始概率,通过双随机矩阵计算谱匹配概率矩阵,获得匹配的最终解。实验结果表明, 2种算法都具有较高的匹配精度。     

结合颜色矢量的谱匹配算法

提出2种结合颜色矢量的谱匹配算法。一种算法是从空间矢量关系的角度提取不受光源影响的图像颜色特征,结合图像特征点的几何特征,为待匹配的2幅图像分别构造亲近矩阵,通过对亲近矩阵进行奇异值分解构造一个反映特征点之间匹配程度的关系矩阵,从而获得匹配结果。另一种是将得到的匹配结果作为初始概率,通过双随机矩阵计算谱匹配概率矩阵,获得匹配的最终解。实验结果表明, 2种算法都具有较高的匹配精度。     

基于维纳滤波的图像模板匹配

一种常用于图像恢复的维纳滤波技术被用于图像的模板匹配,其基本思想是：将模板图像看作是作用于匹配系数矩阵的模糊函数,匹配系统矩阵的元素值表示在待搜索图像的对应位置是否存在给定的模板;模糊函数与加性噪声共同作用于匹配系统矩阵产生待搜索图像。这样就将模板匹配问题转化为一个图像恢复问题。通过维纳滤波将待搜索图像去模糊,即得匹配系统矩阵,从而完成匹配。与相关匹配法相比,该方法具有匹配点定位准确,稳健性强的特点。     

一种基于相似度矩阵的本体检索匹配算法

针对用户查询与知识文档间检索失配问题,提出了一种基于相似度矩阵的本体检索匹配算法。该方法是对现有的检索匹配算法的一种改进。方法利用领域本体来快速确定候选匹配集;进而从三个层次来综合计算元素间的相似度;利用相似度矩阵得到两本体间的相似度。实验结果表明,在查全率、查准率和响应时间方面都有较好的表现。     

一种特征矩阵的相似性度量方法及其在图像检索中的应用

提出一种基于DP匹配的特征矩阵相似性度量方法.首先,在对象矩阵与样本矩阵的行向量之间采用一维DP匹配方法,产生一个相似行向量来替代对象矩阵.然后再用一维DP匹配计算相似行向量与样本矩阵的标准行向量之间的匹配距离.最后在匹配距离上定义两个特征矩阵的相似度.此方法本质上是将二维特征矩阵的匹配问题转化为两个一维向量的DP匹配,适用于解决二维对象的识别和检索问题.在图像检索系统平台中对本文给出 的相似性度量方法进行验证,结果表明此方法是有效的.     

一种基于分块匹配的SIFT算法

SIFT算法在图像处理领域具有独特的优势,但是经过不断发展,SIFT算法在特征匹配过程中仍然具有数据处理量大、计算速度慢的问题.基于这些问题,提出了一种基于分块匹配的新型SIFT匹配算法,它通过剔除非重叠区域来降低特征提取和匹配的时间损耗.对于图像的刚性变换,算法的核心在于图像块的切分和重叠区域的计算,首先选取少量的种子点来估算两幅图像的相关变换矩阵;然后将原始图像切分为几块,通过变换矩阵找出在匹配图中的相关块;再检测所有的匹配块上的特征点;最后结合RANSAC算法去除伪匹配点对,来提高匹配的准确率.实验结果表明:与标准SIFT算法相比,基于分块匹配的SIFT算法在实时性和鲁棒性方面得到了进一步的提升,在实际图像匹配中具有一定的应用价值.     

图模型匹配:一种新的凹松弛函数及算法

将问题中的置换矩阵放松为双随机矩阵是近年来近似图匹配算法的一个重要发展方向. 它的本质在于将离散的图匹配问题转换成一个连续优化问题,而一般来讲, 相对于离散优化,连续优化问题的近似求解将更为容易. 但随之带来的一个问题是如何有效地将连续优化得到的双随机矩阵重新映射回一个置换矩阵. 最近文献中提出了一种针对于无向无自环图的凹松弛(Concave relaxation)函数,使得算法中的双随机矩阵可以平滑地收敛到一个置换矩阵, 并得到优异的匹配精度.但除了无向且无自环图,文献中还没有针对其他类型图模型的凹松弛函数. 本文提出一种针对于有向无自环图匹配问题的凹松弛函数, 并在此基础上给出一种图匹配算法.大量对比实验验证了本文提出模型及算法的有效性.     

Analysis of nonlinear electrical circuits using bernstein polynomials

In electrical circuit analysis, it is often necessary to find the set of all direct current (d.c.) operating points (either voltages or currents) of nonlinear circuits. In general, these nonlinear equations are often represented as polynomial systems. In this paper, we address the problem of finding the solutions of nonlinear electrical circuits, which are modeled as systems of n polynomial equations contained in an n-dimensional box. Branch and Bound algorithms based on interval methods can give guaranteed enclosures for the solution. However, because of repeated evaluations of the function values, these methods tend to become slower. Branch and Bound algorithm based on Bernstein coefficients can be used to solve the systems of polynomial equations. This avoids the repeated evaluation of function values, but maintains more or less the same number of iterations as that of interval branch and bound methods. We propose an algorithm for obtaining the solution of polynomial systems, which includes a pruning step using Bernstein Krawczyk operator and a Bernstein Coefficient Contraction algorithm to obtain Bernstein coefficients of the new domain. We solved three circuit analysis problems using our proposed algorithm. We compared the performance of our proposed algorithm with INTLAB based solver and found that our proposed algorithm is more efficient and fast.     

一个并行分枝限界算法产生器的设计与实现

分枝限界算法是一种求解组合优化问题的一般性方法,并行化是提高算法性能的有效手段。文章使用［５］中提出的算法模式和结构模式的概念和思想设计并实现了一个并行分枝限界算法的产生器。该产生器通过提供并行分枝限界算法的抽象框架,将它应用于要求解的问题,可以得到问题的并行分枝限界算法。     

Fast branch & bound algorithms for optimal feature selection

A novel search principle for optimal feature subset selection using the Branch & Bound method is introduced. Thanks to a simple mechanism for predicting criterion values, a considerable amount of time can be saved by avoiding many slow criterion evaluations. We propose two implementations of the proposed prediction mechanism that are suitable for use with nonrecursive and recursive criterion forms, respectively. Both algorithms find the optimum usually several times faster than any other known Branch & Bound algorithm. As the algorithm computational efficiency is crucial, due to the exponential nature of the search problem, we also investigate other factors that affect the search performance of all Branch & Bound algorithms. Using a set of synthetic criteria, we show that the speed of the Branch & Bound algorithms strongly depends on the diversity among features, feature stability with respect to different subsets, and criterion function dependence on feature set size. We identify the scenarios where the search is accelerated the most dramatically (finish in linear time), as well as the worst conditions. We verify our conclusions experimentally on three real data sets using traditional probabilistic distance criteria.     

An evidential approach to query interface matching on the deep Web

Matching query interfaces is a crucial step in data integration across multiple Web databases. The problem is closely related to schema matching that typically exploits different features of schemas. Relying on a particular feature of schemas is not sufficient. We propose an evidential approach to combining multiple matchers using Dempster–Shafer theory of evidence. First, our approach views the match results of an individual matcher as a source of evidence that provides a level of confidence on the validity of each candidate attribute correspondence. Second, it combines multiple sources of evidence to get a combined mass function that represents the overall level of confidence, taking into account the match results of different matchers. Our combination mechanism does not require the use of weighing parameters, hence no setting and tuning of them is needed. Third, it selects the top k attribute correspondences of each source attribute from the target schema based on the combined mass function. Finally it uses some heuristics to resolve any conflicts between the attribute correspondences of different source attributes. Our experimental results show that our approach is highly accurate and effective.     

中文组织机构名称与简称的识别

本文提出了一种基于规则识别中文组织机构全称和简称的方法。全称的识别首先借助机构后缀词库获得其右边界,然后通过规则匹配并借助贝叶斯概率模型加以决策获得其左边界。简称的识别是在全称的基础上应用其对应的简称规则实现的。在开放性测试中,该方法的总体查全率为85.19%,查准率为83.03%,F Measure为84.10%;简称的查全率为67.18%,查准率为74.14%。目前该方法已应用于中文关系的抽取系统。     

加速分支定界算法在化工过程合成中的应用

在化工过程合成中,人们在确定研究系统的最大超结构后,通常采用混合整数非线性规划模型将其表达,而后通过计算机对该模型求解,从而找到最佳的流程结构.然而,近年来出现了1种新的求解过程,称为加速分支定界法(ABB),是在最大结构已知的基础上,采用分支定界法进行求解的思路.该算法克服了传统方法在处理整型变量时出现的麻烦,不需要建立复杂的混合整数非线性规划模型,就可以实现计算机自动寻找最优的过程流程,为快速有效地求解化工过程综合优化问题提供了1种新的途径.本文对分支定界法与加速分支定界法进行了详细比较,证实了ABB算法在实现自动寻找最优流程结构的合理性与可靠性.最后,以生化法制备丁醇、乙醇和丙酮的下游分离提纯为实例,研究了ABB算法在过程优化中的应用.结果表明,该算法克服了传统方法在处理整型变量时出现的麻烦,是1种快速有效地求解化工过程综合优化问题的新途径.     

SemreX中基于语义的文档参考文献元数据信息提取

为了实现科研工作者之间的文献知识的共享，结合语义网技术，提出了一种从文档中提取参考文献元数据信息的方法．该方法采用模式匹配方式，可以从文档中提取作者、标题、出版时间、期刊名等信息，并使用OWL本体描述语言进行形式化，为进一步的语义搜索奠定基础．实验数据证明了该方法的有效性．     

基于分块匹配的文档图像压缩性能分析与仿真

文档图像作为图像的一种,在生活中的应用越来越广泛,然而其又不同于常规的文本文档或图像,它主要由具有特定含义的不同形状的字符串组成,其局部像素变化比较剧烈,高频分量相对丰富,采用常规的压缩方式很难获得较高的压缩率。常用的压缩方式没有考虑文档图像的特殊性,因而压缩性能有限。本文针对文档图像的特点,采用分块匹配的方法对文档图像进行压缩,即按照特定的规则对整幅图像进行分割,然后将分割的块图像进行分类并编码,从而在二维空间上消除了文档图像的相关性,获得了远高于常规无损压缩方式的压缩率。文中对分块匹配算法进行了描述,并对其性能进行了理论分析和仿真。     

基于局部聚类的特征匹配筛选算法

特征匹配是图像拼接中的关键步骤之一,基于最邻近与次邻近欧氏距离比值的匹配算法往往存在大量的误匹配,好的筛选算法可以降低误匹配率提高处理效率,因此对于此类算法的研究具有重要意义.早期的RANSAC算法是一种被广泛使用筛选算法,但其存在迭代次数不确定,对BA过程不友好等缺陷.本文提出了一种全新的基于局部聚类思想的匹配筛选算法（LCMF）.利用SURF和ORB提取特征点,使用最邻近算法进行匹配,之后利用LCMF算法进行筛选,实验表明,在使用ORB特征提取时,该算法可以获得较好的筛选效果.