一种快速的DEM数据无损压缩算法

为减少网络GIS海量数字高程模型（Digital Elevation Model,DEM）数据的存储与传输数据量,提出一种编解码快速、压缩位流具有三种嵌入（分辨率嵌入、感兴趣区域嵌入和质量嵌入）特点的DEM无损压缩算法——DFC（DEM Fast Compression）算法。选用2/6可逆整数小波分解DEM数据,对变换系数的每级分辨率数据按照区域划分分区,对每个分区子带系数的每一个位面在一次扫描中完成简单高效的自适应游程Golomb_Rice编码。实验数据表明：比JPEG2000算法编码、解码时间分别减少了61.12%和56.23%,而压缩比仅仅降低了10.91%;比SPIHT算法编码、解码时间分别减少了58.83%和50.71%,而压缩比仅仅降低了7.54%;比GZIP压缩比平均提高了74.05%;比n点最优预测算法压缩比提高了5.83%。DFC算法在保持较好的压缩性能的同时,大幅度减少了编解码时间,并且在各级分辨率具有很好的精度性能。

Abstract：

To decrease DEM data volume for storage and transmission in net-GIS,the DFC （DEM Fast Compression） algorithm for DEM lossless compression was proposed,which has three embedded characters （resolution,region of interest,and fidelity）.The 2/6 reversible integer wavelet was selected to decompose DEM data.Every resolution of the transform coefficients was partitioned into many precincts according to the area.In each sub-band of each precinct,only in one pass,the bits of every bit-plane were run-length encoded with adaptive Golomb_Rice coding which is very simple and effective.The experiments show that：compared with JPEG2000,DFC＇s encoding and decoding time decrease 61.12% and 56.23% respectively,while the compression ratio decreases only 10.91%;compared with SPIHT,DFC＇s encoding and decoding time decrease 58.83% and 50.71% respectively,while the compression ratio decreases only 7.54%;compared with GZIP,DFC＇s compression ratio increases 74.05%;compared with n neighbors＇ prediction algorithm,DFC＇s compression ratio increases 5.83%.Thus,the DFC algorithm decreases the coding and decoding time largely while maintains favorable compression performance,and has excellent accuracy performance in every resolution data.     

针对不平衡数据集的客户流失预测算法

针对客户关系管理中的客户流失预测问题进行探讨,通过对客户流失数据特点的分析,以及现有预测算法的比较,将数据挖掘方法中的随机森林算法引入客户流失预测,建立预测模型,并在实际的银行业贷款客户数据集上进行实验,得到了较好的效果.     

一种高速多维报文分类算法

报文分类作为一种核心技术,在消息处理,内容过滤,Web信息检索和支持QoS的路由器等领域有重要应用。RFC算法是目前具有代表性的一种报文分类算法,具有匹配速度快,占用内存少、支持范围匹配等优点,但是它不能处理具有变长字符串域。结合多模式匹配算法的思想,对RFC算法进行了有益扩充,使新算法能够根据变长字符串域进行分类。试验结果表明,改进的算法在有效扩展KFC算法的适用范围的基础上,仍具有良好的性能。     

一种高分辨率谱估计与数据外推的快速算法

利用信号频谱幅度分布的先验信息,对短时数据序列信号提出了一种实现高分辨率谱估计和数据序列外推的快速算法。该算法利用了算子矩阵的特殊结构,采用简单、快速的矩阵求逆算法,使算法的运算量和数据存储容量大幅度下降。给出了算法在高分辨率谱估计及数据序列外推中的应用实例和仿真结果,证实了该算法的优良性能。     

二维离散余弦变换的一种新的快速算法

介绍了二维离散余弦变换的一种新的快速算法，对于Ｎ×ＮＤＣＴ（Ｎ＝２￣ｍ，只需用Ｎ个一维ＤＣＴ和若干加法运算，与常规的行──列法相比，所需的乘法运算量减少了一半，也比其它快速算法的乘法运算量要少，而加法运算量基本上是相同的。     

一种改进的基于小波变换图像边缘检测算法

本文提出了一种改进的图像边缘检测算法。它基于小波变换的方法,可以使检测处理中图像边缘相互影响所造成的边缘混叠现象减少到很小。实验结果证实了该算法的可行性。     

一种基于真实感图像生成的织物外观仿真快速算法

织物外观模拟方法是织物CAD系统开发的一个重要研究内容。为了提高织物真实感图像生成算法的效率,提出了一种新的织物外观仿真的快速算法。通过对织物表面浮长线的光强分布情况进行分析,发现各点的漫反射光强沿着轴向或截面方向均随距离增大而衰减,衰减系数为入射角的余弦,从而建立起相应模型及实现算法。最后通过实验对算法的正确性进行了验证。     

一种改进的模糊边缘检测快速算法

系统分析了Pal.King模糊边缘检测算法的缺陷，提出了一种新的快速模糊边缘检测算法，该算法不仅克服了Palking，模糊检测算法定义的不足，简化了复杂的变换和逆变换运算，而且针对Pal.King算法中对隶属度阈值高置为固定值的不足，提出了确定模糊增强变换中最佳隶属度阈值的自动算法，仿真结果证明，该算法效率高，提取边缘精细，适应面广，是一种很有实用价值的图象处理算法。     

一种大规模数据库的组合优化决策树算法

提出了一种适合于大规模高维数据库的组合优化决策树算法。相比于传统的类似算法,该算法从数据的离散化,降维,属性选择三方面进行改进,对决策树建立过程中不适应大规模高维数据库的主要环节进行了优化,有效解决了处理大规模高维数据库问题的效率和精度之间的矛盾。仿真试验表明,该算法在大大减少了计算代价的同时提高了决策树的分类精度。     

一种细胞图像的区域标识算法

细胞图像由于其内在特性,一直是图像分割的难点.为了更好地分割与标识细胞图像,采用双层结构,第1层基于传统的分裂合并算法的思想,引入脉冲耦合神经网络并简化对图像分裂,引入MS模型并简化对分裂区域进行合并,得到一个粗分割图像;第2层利用Canny算子提取图像的边界,将长度大于阈值的边界视作细胞边界,反之视作仂边界,得到一个不连续的边界.最后在两层结果的基础上,利用教学形态学的方法,进行骨架提取与细化,最终得到区域分割与标识的结果.实验用5幅细胞图像作为测试,对算法的参数选择做了详细讨论,并就正确标识率和运行时间与基于区域的分割、基于先验模型的分割做对比,表明本文算法更优.     

New fast algorithm for hypercomplex decomposition and hypercomplex cross-correlation

In order to calculate the cross-correlation of two color images treated as vector in a holistic manner, a rapid vertical/parallel decomposition algorithm for quaternion is  resented. The calculation for decomposition is reduced from 21 times to 4 times real number multiplications with the same results. An algorithm for cross-correlation of color images based on decomposition in time domain is put forward, in which some properties pointed out in this paper can be utilized to reduce the computational complexity. Simulation results show the effectiveness and superiority of the proposed method.     

结合改进的PCC算法与LBG算法的高效码书设计

针对传统LBG算法因依赖于初始码书的选取,从而容易陷入局部最小的问题,提出一种改进的基于PCC的LBG快速算法。它结合了非迭代算法的码书生成速度和迭代算法码书质量高的优点,使得整体算法的性能得到了很大的提高。实验表明,该整体算法具有收敛速度快、码书性能佳等优点,其PSNR比传统的LBG算法提高3.17 dB。     

稀疏森林:真彩色直方图快速生成算法

基于空间数据索引技术,提出了一种新的真彩色图像颜色直方图生成算法,这种算法采用一种新的空间数据结构——稀疏森林,通过将RGB空间中三维颜色(点)投影至(r,g,0)平面进行"降维",将三维空间点索引变成一维数据索引问题,降低了问题的复杂度。进一步,利用B树高度平衡、多分支、低深度、结构紧凑等特点,对一维数据进行索引。理论与实验结果表明,稀疏森林保留了全部颜色空间信息,生成、索引速度快,可以方便地进行点查询和区域查询,并且空间效率比较高。     

基于文化算法的C-V水平集图像分割

针对基于梯度变化的水平集图像分割对噪声敏感、不能很好地保持图像中的边缘信息、分割结果依赖初始参数、取得最优解时不能及时结束等问题,提出了一种基于文化算法的水平集图像分割算法,将文化算法应用到C-V(Chan-Vese)水平集模型之中,实现了水平集模型图像分割参数的自动选取,通过信度空间的形势知识和规范知识不断优化指导种群进化,并通过判定图像熵适应度值的变化适时终止分割过程。实验结果表明,本文方法能够准确分割出医学图像的病变区域,在抗噪声性能和分割效率方面明显优于常规方法。     

基于小波神经网络的图像重建算法研究

针对传统的图像重构算法的不足,提出一种基于小波神经网络的图像重建快速学习算法。运用小波神经网络对图像重构进行了仿真研究。实验表明,对于不同的误差模型,小波神经网络采用不同的基函数可以很好地对非线性系统进行逼近,收敛速度快,近似精度高,而且网络规模比较小,计算量少。对计算机视觉和图像处理具有良好的应用价值。     

一种新的基于梯度信息的自适应平滑算法研究

为了弥补基于梯度信息的平滑技术难以滤除脉冲噪声的不足,借鉴中值滤波理论,提出了一种新的基于梯度信息的自适应平滑算法。实验结果表明,该算法不仅可以有效滤除各种慢变化及脉冲噪声,而且在滤噪的同时能锐化目标的边缘。其单次滤波效果较基于梯度信息的平滑技术有明显改进,而且只需3次滤波即可达到比较理想的平滑效果。     

基于梯度分组的NL-means改进型SAR图像降噪算法

非局部平均降噪（non-local means, NL-means）算法是近期提出的针对高斯噪声的降噪算法,能够有效地保持图像纹理,但是其计算量庞大,而且要求噪声符合高斯分布,这限制了其在合成孔径雷达（synthetic aperture radar, SAR）图像上的应用。利用梯度分组的相似点匹配算法对NL-means算法进行改进,在降低计算量的同时进一步提高降噪质量。针对SAR乘性噪声特点,引入同态变换处理使改进后的算法能够适用于SAR图像降噪。通过仿真实验对本算法进行验证,降噪处理的峰值信噪比比同类算法平均提高3 dB,执行速度比NL-means约提高了3倍。     

基于初集排序的Pareto非支配解集构造算法

针对具有大型解空间的多目标决策问题,为进一步提高多目标决策的效率,快速且有效的非支配解集构造方法值得探究.给出非支配关系性质、初始非支配解集(简称初集)及非支配解集构造的有关定义与定理.在此基础上,依据有序集理论与运算规则,提出基于初集排序方法的Pareto非支配解集构造算法.该算法应用集合排序的方法,对有序的可行解集与有序的非支配解集进行比较,获得多目标决策问题的最优解.构建不包含初始非支配解的有序可行解集,设计非支配解排序规则、查找规则与插入规则.分析提出的算法及常见的非支配排序方法的时间复杂度.通过ZDT1～ZDT3、DTLZ1与DTLZ3测试函数的非支配解集构造实验,与王芳等(2016)提出的NTCM等方法相比,证明提出的非支配解集构造算法是有效的,时间复杂度更低,非支配解集构造时间具有显著的优势.     

基于耗散结构理论的极大熵目标分群算法

为快速准确实施战场目标分群,从信息交互角度,结合耗散结构理论将战场态势认为是能够出现"有序" 状态的动态开放系统.据此,建立用于战场目标分群的OG-Brusselator 模型,并且改进了MEC 算法,在航路勾径基础上提出航路股径概念统一目标彼此间距离和运动方向两要素的量纲,将其和目标与分群中心隶属度分别作为影响目标群属关系明晰度的可量化正、负熵指标, 提出以OG-Brusselator 模型控制算法迭代的目标分群算法DS-MEOC.最后针对空中目标进行分群实验分析,结果表明DS-MEOC 算法有效可行,相比MEC算法,能够提供更合理的目标分群方案.     

基于随机有限集的SLAM算法

提出一种基于随机有限集的同步定位与地图创建算法,该算法利用随机有限集对环境地图和传感器观测信息建模,建立联合目标状态变量的随机有限集。依据Bayesian估计框架,利用概率假设密度滤波的粒子滤波实现对机器人位姿和环境地图进行同时估计。新算法避免了数据关联过程,并能更加自然有效地表达同步定位与地图创建(simultaneous localization and mapping, SLAM)问题中多特征-多观测特性及多种传感器信息。在仿真实验中,利用FastSLAM2.0算法和新算法进行对比,实验结果验证了新算法的优越性。