基于随机权重粒子群和K-均值聚类的图像分割

K-均值聚类具有简单、快速的特点,因此被广泛应用于图像分割领域.但K-均值聚类容易陷入局部最优,影响图像分割效果.针对K-均值的缺点,提出一种基于随机权重粒子群优化（RWPSO）和K-均值聚类的图像分割算法RWPSOK.在算法运行初期,利用随机权重粒子群优化的全局搜索能力,避免算法陷入局部最优;在算法运行后期,利用K-均值聚类的局部搜索能力,实现算法快速收敛.实验表明：RWPSOK算法能有效地克服K-均值聚类易陷入局部最优的缺点,图像分割效果得到了明显改善;与传统粒子群与K-均值聚类混合算法（PSOK）相比,RWPSOK算法具有更好的分割效果和更高的分割效率.     

通用MIS系统开发模型的分析与实现

管理信息系统的开发是基于某一特定的单位或组织的，通用管理信息系统的开发，将是一条有效地解决不能适应单位或组织业务发展和决策科学化的途径。构件技术是以面向对象技术为基础而发展起来的软件技术，基于软件构件技术，结合原型化的软件开发方法，分析并提出了通用MIS系统的开发模型，包括系统目标和系统分析，在系统集成中作为一个例子，设计并实现了该系统的动态建表功能模块构件类。     

基于互信息量的生物信息数据特征标注方法

提出了一种用于排位特征变量的基于特征矩阵信息增益的无监督特征标注准则(IGC)及直接选择法(DS)、累积最大熵法(CEM)和最大信息增益法(IGM)3种新的特征过滤方法来降低聚类的复杂度.使用经典的QC或K-means聚类算法,在杆状病毒数据集(RSV)、混合血统白血病数据集(MLL)和急性白血病患者数据集(ALP)等3种不同的生物信息数据集上测试并对比了这些特征过滤方法和目前的偏差选择(VS)和基因修剃(GS)过滤方法对聚类结果的影响.试验结果表明,3种特征过滤方法在加速聚类过程及保持初始数据的聚类结构上都具有明显的优势.     

一种基于哈夫曼判定的蛋白质分类方法

已有的仿射传播聚类算法不能很好地反映复杂蛋白质序列本身的聚类结构。为此,提出一种基于哈夫曼判定的蛋白质分类方法。在计算广义置换式匹配相似度的基础上,使用已有的自适应仿射传播算法聚类蛋白质序列。采用哈夫曼编码方法,通过限制平均码长使聚类结果能反映蛋白质序列家族的聚类结构。在蛋白质同源聚类数据库和蛋白质结构分类数据库的6个数据集上进行实验,结果表明,该方法与adAP、谱聚类、SMS和TribeMCL方法相比,不仅能获得更接近于数据集家族的聚类数目及更紧凑的聚类结构,而且F—measure指标平均估值分别高出19．67％、8．7％、9．5％和43．51％。     

基于背景的个性化客户行为模型研究

针对商业客户的背景信息对其消费行为的影响问题,提出了一种基于背景的商业客户行为模型的构建方法。该方法不仅收集了包含三级粒度背景信息的某大学学生客户的网上交易数据并按依赖于交易数据项的统计量对客户进行分组,还利用朴素贝叶斯(NB和TAN)及分组和统计关系数据库(GAC-RDB)分类器学习了各客户分组的背景和非背景预测函数,同时使用各预测变量的受试者运行特征曲线下面积(AUC)值,对客户背景在预测客户购买行为时的作用进行了定量的比较和分析。研究结果表明:背景信息对客户特别是个性化客户(单一客户)的消费决策具有良好的预测效果。     

一种改进的Roberts和灰色关联分析的边缘检测算法

针对Roberts算子容易漏检及对噪声较敏感的问题,提出一种改进的基于灰色关联分析方法的边缘检测算法GRA-Roberts.通过改进Roberts算子提高其检测精度和抗噪性能,结合灰色关联分析方法,将改进后的Roberts算子作为参考序列,通过计算灰色关联度来检测图像边缘.实验结果表明,GRA-Roberts算法能有效克服Roberts算子算法易漏检和对噪声敏感的问题,且比其他灰色关联结合算法具有更好的检测效果.     

改进人工蜂群优化的K均值图像分割算法

K均值聚类在图像分割时精度较低且缺乏稳定性.人工蜂群算法在对K均值聚类进行优化后存在算法效率不高的缺点.针对以上问题,提出一种改进人工蜂群和K均值聚类的图像分割算法IABC-K.根据人工蜂群算法在蜜源更新和蜜源开采阶段的不同特点,对人工蜂群算法进行了改进.在蜜源更新阶段,采用了最优适应度关联的自适应邻域搜索机制,提高了蜜源更新速度;在蜜源开采阶段,采用了最优适应度关联的线性递减邻域搜索策略,提高了蜜源开采质量.实验结果表明:IABC-K算法在质量、效率和稳定性方面均优于其它类似算法.IABC-K算法可应用在质量和性能要求较高的图像处理领域.     

一种改进的SIFT特征点检测方法

尺度不变特征变换(SIFT)图像匹配算法采用高斯差分算子(DoG)进行特征点检测,计算上使用相邻尺度高斯平滑后图像相减。在实践中,检测出的特征点遍布整个图像,造成后续计算量大且误配率高,降低了SIFT算法的实时性。针对以上问题,采用一种优化后的区域检测方法对SIFT特征点检测进行改进。首先利用优化后的区域检测方法检测出目标物体,然后运用DoG算子提取特征点,使特征点集中在目标物体上,从而简化计算,提高SIFT算法的实时性。最后,给出改进算法的实验结果和应用前景。     

一种改进的Roberts 和灰色关联分析的边缘检测算法

针对Roberts 算子容易漏检及对噪声较敏感的问题,提出一种改进的基于灰色关 联分析方法的边缘检测算法GRA-Roberts。通过改进Roberts 算子提高其检测精度和抗噪性能, 结合灰色关联分析方法,将改进后的Roberts 算子作为参考序列,通过计算灰色关联度来检测 图像边缘。实验结果表明,GRA-Roberts 算法能有效克服Roberts 算子算法易漏检和对噪声敏 感的问题,且比其他灰色关联结合算法具有更好的检测效果。     

基于随机权重粒子群和K-均值聚类的图像分割

K-均值聚类具有简单、快速的特点,因此被广泛应用于图像分割领域。但K-均值 聚类容易陷入局部最优,影响图像分割效果。针对K-均值的缺点,提出一种基于随机权重粒子 群优化(RWPSO)和K-均值聚类的图像分割算法RWPSOK。在算法运行初期,利用随机权重粒 子群优化的全局搜索能力,避免算法陷入局部最优;在算法运行后期,利用K-均值聚类的局部 搜索能力,实现算法快速收敛。实验表明：RWPSOK 算法能有效地克服K-均值聚类易陷入局 部最优的缺点,图像分割效果得到了明显改善;与传统粒子群与K-均值聚类混合算法(PSOK) 相比,RWPSOK 算法具有更好的分割效果和更高的分割效率。