计算广告的匹配算法综述

对计算广告研究中的计价模型和匹配算法及模型进行综述,分别从检索词匹配精度、语义情景和用户点击反馈等方面对Cosine算法、Okapi BM25算法、特征学习算法、分层学习模型和Multinomial统计语言模型等进行比较分析和优缺点总结,并提出可行的改进 方向。     

嵌入式浏览器CSS引擎的研究与改进

层叠样式表(CSS)引擎的效率提升是嵌入式浏览器的性能瓶颈。为此,提出提升CSS引擎效率样式管理的改进和设计方法。该方法增加对用户操作相关伪类样式规则的分类,以减少对非必要的伪类样式规则匹配,匹配完全失效节点的记忆能够为兄弟节点提供样式规则匹配的指示,并减少样式规则匹配次数。实验结果表明,对于不同网页的样式规则匹配总时间消耗减少3%~15%左右。     

基于自适应学习率的背景建模方法

针对高斯混合模型中均值和方差的学习,提出基于自适应学习率的背景建模方法。统计每个像素模型被匹配的次数,在线更新学习率。在初始化背景时,分配一个全局的学习率,采用传统高斯混合模型的学习方式;在更新背景时,为每个像素分配一个学习率,采用自适应的学习方式。实验结果表明,该方法与传统高斯混合背景模型相比,有较好的学习能力与稳定性,能提高运动目标检测的正确率。     

基于LMedS&LS的全局运动估计算法

针对全局运动估计过程常伴有局部运动的问题,提出一种基于LMedS&LS的全局运动估计算法.通过获取相邻2帧图像上对应特征块的坐标,将该算法应用到仿射变换模型中,估计出全局运动参量,并根据运动参量采用双线性内插法完成图像配准.实验证明,该算法相对于LMedS算法在精确度和实效性2个方面都有改进.     

基于双向需求的电子就业服务模型研究

针对电子就业市场垃圾信息泛滥的现状,提出基于双向需求的服务模型。根据招聘者和应聘者的实际需求,给出该模型的体系结构、数据结构与运行流程,研究招聘双方需求匹配、海量候选者筛选的方法以及代理间通信的实现问题。实验结果表明,该模型能实现高效的双方信息匹配与管理,提高简历筛选速度。     

基于模糊匹配的专用库函数识别技术

针对传统库函数识别方法无法有效识别专用库函数的问题,提出基于模糊匹配的专用库函数识别技术。在库文件快速识别与鉴定技术(FLIRT)的函数签名机制的基础上做出改进,提取目标文件的有效函数集并利用专用库函数特征库进行模糊匹配,确定需要加载的库签名,加载签名完成精确匹配。实验结果证明,该技术在专用库函数的识别方面效果较好。     

关系数据库近似匹配查询方法研究

针对传统海量数据精确查询负载过大的问题,引入基于仿真的置信区间自动抽样方法(Bootstrap)对数据库提供支持。通过对部分或采样数据进行查询,将查询简化到基础数据上,在对整个数据集查询一次的时间内,完成对多个样本重复多次的查询,得到数据库查询的置信区间;再进行基础SQL查询,得到符合用户要求的近似结果。实验结果表明,引入Bootstrap方法进行数据查询是有效的。     

一种高效的SAR图像角点提取算法

INS/SAR组合导航系统对合成孔径雷达(SAR)图像的角点提取精度、实时性、可靠性要求较高,为此,提出一种结合曲率尺度空间与Harris算子的角点提取算法,用局部Harris算子定位用曲率尺度空间法提取出的角点。实验结果表明,该算法实时性好、精度高、冗余度低。     

改进的BP神经网络算法在航迹匹配中的应用

利用迭代最近等值点(ICCP)算法对重力图上的航迹进行匹配可以减小惯性导航系统误差,但计算量大。针对上述问题,通过修改激励函数并增加假饱和预防函数,提出一种改进的反向传播神经网络学习算法。仿真结果表明,该算法可以加快搜索最近等值点的速度,更好地满足重力辅助导航对匹配精度及匹配速度的要求。     

基于云遗传算法的图像相关匹配

针对图像相关匹配计算量大的问题,提出基于云遗传算法的图像相关匹配方法。考虑到图像平均量的存在会增加匹配的难度,对传统归一化相关测度进行修正。为寻找最佳匹配点,将修正后的相关测度作为适应度函数,采用云遗传算法进行寻优。由于云遗传算法具有收敛速度快、局部寻优能力强和不易产生早熟现象等优点,新方法的匹配精度和速度都得到提高,且抗噪声能力强。仿真实验结果表明,新方法对无噪声和有噪声图像都能实现高精度匹配,在匹配精度和速度上优于基于自适应遗传算法的匹配方法。