基于粗糙近似的Web事务聚类方法研究

Web使用挖掘是数据挖掘技术在Web信息仓库中的应用.Web使用挖掘通过挖掘Web服务器日志获取的知识来预测用户浏览行为,是Web挖掘技术中的一个重要研究方向.通常发现的知识或一些意外规则很可能是不精确的、不完备的,这就需要用软计算技术如粗糙集来解决.提出一种基于粗糙近似的聚类方法,该方法能够实现从Web访问日志中聚类Web事务.通过这种方法可以有效地挖掘Web日志记录,从而发现用户存取Web页面的模式.     

一种基于特征点匹配的图像拼接方法研究

针对图像间因具有旋转及光线强度差异等现象而导致的拼接效果不佳及拼接速度慢的问题,提出一种基于特征点的配准算法;在特征点提取阶段,尺度不变的特征变换方法 (SIFT)具有对图像尺度缩放、旋转、放射变换以及亮度变化保持不变的优点,文章采用了改进的SIFT特征点提取算法;在特征点匹配阶段,采用改进的RANSAC算法对特征点匹配对提纯;最后用加权平均法实现拼接图像的融合;实验证明,该算法有效提高了图像拼接的效率和准确性,拼接精度可以达到亚像素级。     

基于改进Mask RCNN算法的遥感建筑物检测

为解决部分遥感建筑物因为自身形状的不规则,导致传统矩形识别框算法对该类检测目标分割效果差,难以精确定位的问题,提出一种改进的Mask RCNN检测算法。改进Mask RCNN的主干网络FPN网络,简化特征融合过程,有效避免语义信息丢失;改进Mask RCNN的RPN网络,针对识别框的重复计算,提升其运算效率,提高检出率;调节mask掩膜参数,提高分割效果。实验结果表明,改进Mask RCNN目标检测算法的检测精度和召回率达到了99.80%和97.88%,较原算法分别提高了1.54%和1.65%,有效优化了遥感领域不规则建筑物的检测问题。     

融合形状与纹理的点云局部特征描述算法

针对现有点云局部描述符缺乏色彩纹理信息导致特征描述能力不足,以及耗时过长的问题,提出一种基于FPFH(快速点特征直方图)的多特征融合描述符。利用FPFH算法提取形状特征;为特征邻域内点云建立拓扑结构,利用点对间HSV色彩通道比值提取纹理特征;通过特征融合构造描述符,基于最近邻比值的策略进行特征匹配来评估性能。实验结果表明,该算法相较其它描述符有效减少了计算量,可以提高彩色点云特征匹配的效率和精度。     

一种改进的激光点云滤波算法

针对常规的点云滤波方法在去除接近模型噪声的过程中会对模型造成较大破坏的问题,提出一种结合双张量投票和多尺度法向量估计的点云滤波算法.首先采用主成分分析法在较大的尺度下估计各点的法向量,对各点进行双张量投票以提取特征点.然后对提取出的特征点在较小的尺度下估计法向量,并结合随机采样一致性方法对小范围噪声平面进行剔除.最后采用曲率对剩余的噪声进行滤波,获得最终的点云数据.实验结果表明,所提算法可以有效剔除噪声点,并较好地保留三维模型的尖锐特征,为后续点云配准和三维重建奠定基础.     

基于星射线法的瞳孔中心定位

为解决红外图像中人眼瞳孔中心定位存在的眼睑遮挡、睫毛遮挡和角膜反射引起的白斑干扰等问题,采用由粗到精的瞳孔中心定位策略.对红外图像进行预处理,通过YoloV3深度学习模型检测瞳孔区域,实现瞳孔中心的粗略定位;在此基础上,采用星射线法提取瞳孔边缘点,剔除因眼睑遮挡导致的伪瞳孔边缘点;将剩下的边缘点基于最小二乘法进行椭圆拟合,对椭圆进行修正,精确定位瞳孔中心.实验结果表明,在眼睑遮挡、睫毛遮挡和白斑干扰的情况下,该方法可以准确定位,具有较好的鲁棒性和实时性.     

基于边界特征的三维模型分割

点云分割是三维模型检索、分类及重建的基础,为解决点云分割算法存在鲁棒性差、过分割和欠分割问题,提出一种基于边界特征的点云模型分割算法。将点云模型过分割为弱凸区域,利用巴氏距离判断相邻区域的相似性进行区域合并,采用改进的形状直径函数进行最终合并。由主流评价方法及实验证明,大多数模型可以取得良好的分割效果。     

远程教育系统中知识表示的研究

针对现有远程教育系统智能化低、知识表达能力差、结构化不清晰等方面的问题，引进了基于扩展标记语言XML(extesible markup language)的表示方法，并通过分析指出基于XML的表示方法在远程教育系统中的巨大优势；给出了一个通用的远程教育系统的体系结构，并用形式化的语言描述了该系统，最后将该形式化的语言转换为XML语言．     

基于Agent的时序数据挖掘系统的研究

本文针对现有的数据挖掘算法的智能化低,结构化不清晰,通用性低等问题,将Agent技术引入数据挖掘系统中,通过分析指出了Agent技术在数据挖掘中的优势;其次,采用合同网和消息的多Agent方法设计了一个基于Agent的时序数据趋势分析的挖掘系统,增强了数据挖掘的智能性和有效性.