基于比特向量组的数据流邻近序列模式挖掘算法研究

引入项的半垂直比特向量结构,提出挖掘数据流邻近序列模式的MCSP-TSW算法.通过改进比特向量组结构和引入两个剪枝策略,提出改进的MCSP-TSW-Imp算法来减少判断一个候选序列是否频繁的时间.实验表明,两种算法空间消耗相当,但MCSP-TSW-Imp算法比MCSP-TSW算法具有较高的时间效率.     

计算Delaunay三角剖分的新算法

提出一种计算K维欧氏空间EK 中任意数据点集的凸包的Delaunay三角剖分的新算法 .通过引入辅助的无穷三角形和在全空间 EK 的Delaunay三角剖分 ,确保最终结果是数据点集的凸包的完整Delaunay三角剖分 ,而且使算法具有在线性质 ,适用于动态的数据点集 .     

基于序列划分的压缩序列模式挖掘算法

研究了静态数据库当中挖掘压缩序列模式的问题,提出了一个压缩序列模式挖掘算法.该算法通过对闭序列模式全集进行划分处理,降低了序列的比对空间,并结合δ-dominant序列检测机制,有效的挖掘出了压缩序列模式集.实验表明,该算法具有较好的运行效率.     

基于Leader的K均值改进算法

研究了K均值算法中初始聚类中心的选择对算法本身聚类精度及效率的影响,并提出了改进的算法(LK算法,Leader+K-means).LK算法中的初始聚类中心选择不是随机的,而是利用Leader算法得到若干个初始类中心,然后选择包含数据项最多的k个类中心,作为K均值算法的初始类中心.实验结果表明,LK算法在聚类结果的稳定性和正确率方面都是有效可行的.     

基于超像素的Grab cut前景提取算法

针对海量的像素以及迭代更新高斯混合模型参数导致的Grab cut很难兼顾精确分割和实时交互的现象,提出基于超像素的交互式快速分割框架,精简了问题规模,保证了分割的准确度和实时性.首先,采用融合边缘自信度的均值漂移算法将图像分割为一系列保持颜色、空间信息以及边界特性的同质区域;其次,以每个同质区域的RGB均值为结点,构建加权网络图,建立前景和背景两个高斯混合模型;然后,采用EM算法结合一种新的max flow/min cut算法来逼近高斯混合模型参数;最后,本文引入区域项的自适应调整参数来提高分割的准确度.实验结果表明,文中算法对用户交互可以及时做出分割响应,并且分割的结果更加合理.     

基于RGB-D多通道特征的行人检测

针对行人检测易受物体遮挡以及光照变化干扰的问题,提出一种融合颜色与深度信息的多通道特征行人检测方法.首先,颜色采用Chn Ftrs方法中的通道,深度在其基础上引入法向量方向通道,并用快速图像特征金字塔来加速颜色和深度的通道特征的计算.其次,通道特征作为级联Ada Boost的候选特征点集输入,分别训练得到颜色和深度分类器,按一定比例权重融合颜色和深度信息进行检测.实验表明,该方法提高了检测精度,对光照变化、物体遮挡具有较好的鲁棒性.     

基于区间编码挖掘邻近序列模式

提出一种快速挖掘邻近序列模式的RCSP算法。该算法只需扫描一次数据库,且通过建立前序链接编码树,借助结点的区间编码,可以在常数时间内确定序列在树中的不同映射片段之间的祖孙关系,实现序列支持数的快速计算,不必额外创建中间树,直接在树上进行挖掘,就能得到所有邻近序列模式。实验表明RCSP算法具有较好的性能。     

基于合并FP树的频繁模式挖掘算法

FP-growth算法是一个挖掘频繁模式的有效算法,但它在挖掘过程中需要产生大量的条件FP树,因此其时空效率不够理想。提出了DFP-mine算法,通过在改进的FP树上合并子树来挖掘频繁模式,并在挖掘过程中结合了自顶向下和自底向上的双向搜索策略。理论分析和实验表明本文提出的算法具有较好的时空效率。     

带约束的负关联规则挖掘算法

针对仅有的挖掘算法不能较好地解决负关联规则的候选集数量爆炸问题,为满足用户的实际需求,提出带约束负关联规则概念,建立带约束负关联规则挖掘算法CNARM.同时,在挖掘过程中,利用最大频繁模式的性质来生成候选集,通过限制负关联规则中的前后件项目个数和利用负关联规则的性质来缩小候选集的规模.理论分析和实验结果表明本文提出的算法是有效可行的,具有较好的挖掘效率.     

基于纹理合成的图像修复优化方法

针对Criminisi算法存在高时间复杂度及修复中偏差延续两个问题,提出一种优化方法.首先,在进行SSD(sum of squared differences)准确匹配之前预先计算待修复图像已知区域中所有纹理块的平均灰度值,并在匹配过程中结合阈值比较已知区域中纹理块及当前待修块的平均灰度值,筛选淘汰灰度差异较大的一些纹理块,节省大量匹配时间,加快修复速度.其次,定义一种新的优先权计算公式,其中不仅考虑置信度项和数据项,还增加是否接近原始边界因素的影响,使优先权的计算更为合理,修复的结果更理想.实验表明,此方法简单易行,图像修复效率得到较大提高,修复结果看起来更自然,更符合人的视觉感知.