基于分形理论的多尺度分类尺度上推算法

目前,多尺度数据挖掘的研究多集中于空间图像数据,在一般数据集上的研究已经初见成果,主要包括多尺度聚类以及多尺度关联规则,但 还没有研究涉及 一般数据下的分类。结合分形理论思想,将多尺度数据挖掘相关理论、知识和方法应用于分类领域,提出基于豪斯多夫距离(HD)的相似性度量方法;相对于以往对权重的经验定义,文中明确通过广义分形维数的相似性定义权重来提高相似性度量方法的精度;提出多尺度分类尺度上推算法(Multi-Scale Classification Scaling-Up Algorithm,MSCSUA);实验采用4个UCI基准数据集和1个真实数据集(H省部分人口)进行仿真实验,实验结果表明多尺度分类思想可行有效,并且MSCSUA算法在不同数据集上的性能均优于SLAD,KNN,Decision Tree以及LIBSVM算法。     

多尺度有理分形的图像插值算法

目的图像插值是图像处理中的重要问题,为了提高纹理图像的放大质量,结合以往的有理函数的插值算法,提出一种新的基于有理分形函数的图像插值算法。方法对于输入图像,首先,运用中值滤波和直方图均衡化对输入图像预处理;其次,通过毯子覆盖法求出图像的多尺度分形特征值,进行纹理区域和平滑区域的划分;最后,在纹理区域采用有理分形插值函数,在平滑区域采用有理插值函数。结果对于一般图像,本文算法与NARM(nonlocal autoregressive model),NEDI(new edge-directed interpolation)相当,在纹理区域较多的图像中,本文算法在峰值信噪比(PSNR)和结构相似性(SSIM)数值上较对比算法进一步提高,在视觉效果上,图像对比度明显增强,在Barbara,Truck等的对比图像中,峰值信噪比均提高了0.5 1 dB。结论本文插值算法利用多尺度分形特征将图像划分区域,在不同区域采用不同的插值模型。优化模型参数使得插值质量进一步提高。实验表明本文算法能够对纹理和非纹理区域有效划分对纹理的信息保持优于传统算法,获得了较好的主客观效果。     

多尺度关联规则尺度上推算法

数据挖掘在多尺度研究方面取得了一些成果。然而,多尺度数据挖掘研究还不够深入和完善。目前针对空间和图像数据的研究较多,对于一般数据的多尺度数据挖掘的研究较少。随着大数据应用的不断发展,其研究显得尤为重要。针对上述问题,进行了普适的多尺度关联规则尺度转换方法的研究。首先,基于包含度的相似度理论提出频繁项集的处理方法;然后,以图像金字塔为理论基础,提出了多尺度关联规则尺度上推算法MSARSUA(Multi-Scale Association Rules Scaling Up Algorithm);最后,利用H省¹⁾全员人口真实数据集、UCI公用数据集和IBM数据集对所提算法进行了实验验证与分析,结果表明MSARSUA具有较高的覆盖率、较高的F1-measure值和较低的平均支持度估计误差,在效率上比Apriori算法和FP-Growth算法有较大的提升,在性能上比SU-ARMA有更好的表现。     

多尺度分类挖掘算法

多尺度分类挖掘多局限于空间数据,且对一般数据尺度特性进行分类的研究较少。针对上述问题,进行普适的多尺度分类方法研究,以扩大多尺度适用范围。从空间数据估计角度出发,结合层次理论和尺度特性,基于概率密度估计离散化方法,针对数据的多尺度特性进行分类挖掘。以非局部均值和三次卷积插值为理论基础,利用Q统计和不一致度量进行操作,提出多尺度分类尺度上推算法和多尺度分类尺度下推算法。采用UCI数据集和H省人口真实数据集进行实验,并与CFW、MSCSUA和MSCSDA等算法进行对比,结果表明,该算法可行有效。与其他算法相比,尺度上推算法正确率平均提高4.5%,F-score提高4.8%,NMI提高12.3%,尺度下推算法各个相应指标分别平均提高5.3%,6.6%和11.8%。     

基于多尺度特征提取的多导联心跳信号分类

心电图(ECG)是临床上诊断心脏疾病的重要依据,从中提取关键、有效的特征是自动诊断系统的关键.而现今多数研究仅使用单导联或双导联数据,提取的特征不够全面,无法很好地区分不同心跳中的细微差别.为了获得更加全面的特征和更优异的分类表现,本文提出了基于多尺度特征提取的多导联心跳信号分类方法(MSNet).首先,该方法接收多导...     

基于多尺度分析和分形的人群密度估计方法

人群的密度估计对于建筑物的设计和人群安全至关重要。论文提出了一种新的人群密度自动估计方法。对于低密度人群图像采用基于像素统计的方法,对于较高密度人群图像采用基于多尺度分析和分形的纹理分析方法,并应用支撑向量机进行人群密度等级分类。对人群图像集的实验表明,该方法较以前的方法更为准确有效。     

广义插值多小波及其反馈神经网络构造

①给出了广义插值的概念，讨论了广义插值特性和正交性、紧支性、对称性之间的关系，建立了多尺度函数具有广义插值正交和广义插值对称的充要条件，结果表明它极大地克服了目前多小波取样定理研究领域存在的不足——基于插值特性的取样拒绝了众多性质优美的小波，也拒绝了信号处理愿望的对称性．②给出了满足给定优美性质的多小波的高效构造方法——Hopfidd反馈型神经网络法，与目前广为使用的利用Singular软件求Grobner基方法相比，该方法不仅极大地减少了时间复杂度，而且可以获得十分令人满意的结果．     

一种多尺度分形特征目标检测方法

自然背景干扰下的自动目标检测是目标检测的一个基本问题.根据尺度变化时自然场景中人造目标的分形特征变化剧烈这一特点,提出了一种分形参数极值特征的自动目标检测方法.大量的实验结果表明,分形参数极值特征的自动目标检测方法能较好地完成自然背景干扰中人造小目标的自动检测.     

基于形态学多重分形的遥感图像多尺度分割

提出了一种基于数学形态学的局部多重分形指数特征来描述图像中的纹理信息,并构造了基于图像四叉树的多尺度分割算法来实现遥感图像的粗分割。形态学多重分形指数能够准确而全面的刻画纹理的局部尺度特性,而多尺度分割算法可以在保持分割精度的前提下大大降低时间复杂度。在遥感图像上进行的对比实验表明,该算法在分割的效果和效率上都优于使用其他纹理特征的分割算法。     

基于多尺度小波变换和短时分形理论的航迹关联方法

在多传感器监视系统数据处理过程中，航逮关联是数据融合首要解决的问题之一。对多传感器观测到的目标数据，要识别哪些数据组成的目标航迹源于同一目标。利用多尺度小波变换方法对航迹数据序列进行多层次分析，动态提取航迹数据的特征，建立关联准则并结合短时分形方法，实现了目标航迹自动关联的目的。仿真实验表明这种方法是可行且有效的。     

基于分形理论的遥感影像分类研究

分形理论是非线性科学领域的一大支柱,它的提出为人们解决非线性世界的问题提供了新的思想和方法,由于分形维数与人类对图像表面纹理粗糙度的感知是一致的,利用分形理论进行遥感影像分类具有潜在的理论和应用价值。本文根据遥感影像特点,引入分形方法来描述其纹理结构特征,利用双毯覆盖模型来提取遥感影像的纹理特征,在此基础上,采用K-means算法将纹理结构特征与光谱特征相结合,进行遥感影像分类,其分类效果优于单纯采用光谱特征的分类。     

基于分形理论的离群点检测

现有离群点数据挖掘算法在高维空间效率比较低,针对上述不足,从离群点对数据集有序性的影响角度出发,在界定分形离群点含义的基础上,利用分形理论将离群数据挖掘作为一个优化分割问题进行处理。采用推广的G-P算法计算数据集的多重分形广义维数,利用贪婪算法的思想设计FDOM算法用于求解离群数据挖掘优化问题。实验结果证明,该算法能有效地解决离群点检测问题。     

分形插值曲面

研究一类迭代函数系统和分形插值曲面的构造，得到分形插值曲面面连续的充分必要条件，由此给出了简单的分形超限插值方法和新的网格点插值方法；从而利用网格曲线或网格点上的特征生成连续的分形插值曲面，这种简单有效的方法可广泛地用于分形造型和数据拟合。     

基于分形理论的短期电力负荷预测*

电力负荷预测是电力系统规划的重要组成部分,也是电力系统经济运行的基础,其对电力系统规划和运行都极其重要。具有精确的预测方法可以保证能源的节约,避免资源的浪费。同时也可以缓解电能短缺所造成的重大影响。论文为了实现更好的电力负荷预测方法,研究了分形理论在电力负荷上的应用。将分形拼贴定理和分形插值法应用到电力负荷预测之中。提出了分形理论电力负荷预测模型,得到了分形插值预测模型。为了证明分形插值法的有效性,论文将分形预测模型与传统的BP神经网络电力负荷预测模型相比较。最后通过仿真算例说明了论文提出的分形插值预测模型预测精度更高,预测相对误差较小。并且分形理论可以很好地应用在电力系统负荷预测中,预测效果要好于BP神经网络预测模型。     

基于物质分类的三维空间断层图像匹配插值

三维空间医学图像处理通常需要由各向异性的断层图像数据插值出各向同性的体数据。提出一种基于物质分类的匹配插值方法，在两幅原始图像一定窗口区域内选取尽可能属于同种密度物质的候选点对，再根据特片相似性判据找到最佳匹配点对插值。该方法可以获得清晰的灰度插值图像，有效地避免插值后易产生的不同种密度物质边界模糊现象。     

组织协同进化分类算法

提出了一种有效的用于数据挖掘分类任务的方法——组织协同进化分类算法(Organizational CoEvolu-tionary algorithm for Classification,OCEC)，与现有遗传分类方法的运行机制不同，它的进化操作直接作用于数据而不是规则，进化结束后再从各组织中提取规则，这样有利于避免在进化过程中产生无意义的规则。提出了三种组织进化算子——增减算子、交换算子与合并算子和一种组织选择机制，给出了属性重要度的进化方式并基于此定义了组织适应度，作者将算法用于UCI数据集，并与现有的基于遗传和非遗传的分类方法进行了比较。实验结果表明该文方法获得了更高的预测准确率，产生了更小的规则集；对同一数据集进行k—次交叉验证，其预测准确率的波动较小，因此本文算法具有更加稳定的性能。     

平面任意四边形剖分上的射影分形插值曲面

目前迭代函数系统中的变换多限于仿射变换,而仿射迭代函数系统对于区域的任意四边形不规则剖分情形是不能实现的。射影变换则有可能解决这一困难。论文对二维平面上区域进行不规则四边形剖分,构造了区域到子区域的射影变换。由二元分形插值函数引入第三维的值,构成射影迭代函数系统。利用此迭代函数系统构造了一类分形插值曲面,并做了若干数值实验。     

一种新的基于遗传算法的数据分类方法

当前分类算法还存在诸如伸缩性不强、可调性差、缺乏全局优化能力等问题．通过构造完全分类规则集，设计了一种有效的遗传编码方法，使得遗传算法的各种优良特性在数据分类中得到充分的运用，从而提出了一种新的数据分类算法，新算法有效提高了数据分类的准确性，较好克服了当前存在的缺点．最后，给出了实验结果，证实了算法的有效性．     

A Method Determining Vertical Scaling Parameters of Fractal Interpolation

A method determining vertical scaling parameters of fractal interpolation is given in this paper. By computer experiments, it is clear that this method is very effective.