一种新的图像颜色特征提取方法

为了降低特征空间的维数,将图像的先验知识融合到采用SVM构造的分类器中,提出了一种新的基于HSV空间的20色非均匀颜色量化算法．与传统的颜色量化算法相比,该算法降低了时间和空间复杂度,提高了检索的准确率,易将图像的先验信息融合到SVM的核函数中,提高了分类效果．实验表明本文提出的图像颜色特征提取算法可成功应用于海量图像库检索和图像语义信息的自动提取．     

基于Nutch的页面排序算法研究

针对某一主题或学科的垂直搜索引擎是搜索引擎的延伸和细分,面向特定用户提供垂直搜索。网页排序算法是搜索引擎好坏的关键,搜索引擎网页排序算法的目的是从海量搜索结果中将主题相关和权威的网页排在前列,帮助用户查找所需的资源。 Nutch搜索引擎只实现了一个基本的综合排序模型,为了使Nutch更好地满足专业用户的需求,该文设计一个综合考虑主题相关性和网页权威性的综合排序模型,将主题相关度因子和改进后的PageRank算法因子融入到Nutch网页评分计算公式中。实验表明,改进的排序算法可以提高信息的查准率,具有明显的主题倾向性,在实际应用中发挥作用。     

利用改进LSH算法进行层次化新闻话题检测

针对回顾式话题检测方法存在的话题检测时效性较差的问题,提出了改进的位置敏感哈希（LSH）算法,并应用于互联网新闻层次化话题检测. 在挖掘新闻内容特征的同时,应用潜在狄利克雷分布主题模型挖掘新闻的语义特征,将非二进制空间的内容特征向量和主题特征向量转换到二进制特征空间上,依次应用LSH算法对新闻文本基于内容特征和主题特征聚类,得到具有"主题-内容"层次的话题. 实验结果表明,该方法通过挖掘新闻的内容特征和主题特征,能更准确和完整地表现新闻内容;将内容特征和主题特征转换到统一的二进制空间,有效降低了聚类过程的时间复杂度,在保证话题检测准确率和话题在语义层面上扩展性的前提下,提高了话题检测的效率.     

基于交叉熵的节点重要性排序算法

如何高效地度量节点的重要性一直是复杂网络研究的热点问题。在节点重要性研究中,目前已有许多算法被提出用于判断关键节点,然而多数算法局限于时间复杂度过高或评估角度单一。考虑到熵可用于定量描述信息量的大小,因此,提出了一种基于交叉熵的节点重要性排序算法,该算法兼顾了中心节点与其近邻节点之间的整体影响力,并将节点的邻域拓扑信息有机地融合,使用交叉熵值来量化节点之间的信息差异性。为验证该算法的性能,首先采用单调关系、极大连通系数、网络效率以及SIR模型作为评价指标,其次在8个不同领域的真实网络上与其他7种算法进行比较实验。实验结果表明,该算法具有有效性和适用性,此外时间复杂度仅为O(n),适用于大型网络。     

计算机海量数据处理SLIQ算法研究

探讨云计算在SLIQ算法中的应用,研究结果显示,云计算下的SLIQ算法能够对计算机海量数据存储中的节点失效问题有效解决,并且显著提升计算机数据处理效率,进一步降低数据处理难度与复杂度,还可以快速挖掘海量数据信息。     

一种基于后缀数组的多重复模式匹配算法

要在海量的信息中进行多重复模式的查找,应用一般的查找方法所需O（n2）的复杂度.为了提高模式查找算法的效率,提出了算法Epattern searcher H.该算法是采用能节省空间占用的后缀数组数据结构来实现,同时又运用过滤算法的思想而设计,从而提高算法的运行速度.这里针对英文小说高频词的查找对算法进行测试,可得到时间复杂度为O（n）实验结果.     

物联网中融合网络流量的恶意软件检测

针对物联网基础设施、应用程序和终端设备的攻击显著增加，物联网中的代表性恶意软件以产生恶意流量为主。对基于恶意软件字节序列构建的MalConv模型进行改进，与基于恶意流量特征的Bi-LSTM模型进行融合，实现了适用于物联网终端设备恶意软件检测的融合模型。实验结果表明，融合模型NT-MalConv具有更高的检测能力，检测准确率达95.17%；检测融合对抗样本时，NT-MalConv模型比MalConv改进模型的准确率提升了10.31%。     

多传感器图像模糊融合算法在图像识别中的应用

讨论了基于模糊集理论的多传感器图像融合应用于图像识别的基本原理,给出了一种多源多层次自适应变权的图像融合的模糊算法,提供了一种表达和处理不确定性信息的有效方法,充分利用了各信息源之间的冗余性和互补性以及各信息源自身的可靠性信息。     

基于高斯混合模型和canny算法的运动目标检测

提出一种基于高斯混合模型和canny算法的运动目标检测算法.利用高斯混合模型计算像素之间的颜色信息,同时利用高斯混合模型更新背景信息;用canny算子提取图像的边缘信息;将颜色信息和区域结构信息线性融合起来,较好地解决了边缘信息明显的运动目标检测.实验中采用改进的加权高斯模型及传统的canny算法相结合.结果表明,本文...     

路段平均速度组合融合算法及其应用

提出一种基于多传感器信息的路段平均速度的组合融合算法。首先,利用分批估计算法对同断面多传感器信息进行时间融合处理,得出该断面时间平均速度值;然后,利用自适应加权平均算法对这些时间平均速度值进行空间融合处理,得出该路段区间平均速度值;最后,利用实际数据,对这个组合融合算法进行了有效性验证。     

基于小世界的物联网中副本定位算法

物联网具有数据量大,节点异构且分布广泛等特点。采用副本存储可以提高数据访问性能。针对物联网中对副本定位快速高效要求的问题,提出一种基于小世界的类-域层次的物联网中副本定位方法。从物联网中数据访问的局部聚类性考虑,将节点划分为类层次和域层次,分别采用根据类-域数据访问特点的双向环形消息扩散机制,实现副本的局部和全局定位,从而提高副本定位的效率。     

基于SIM 900A的物联网智能家居控制系统

物联网技术是世界信息产业发展的第三次浪潮,它改变了人们的家居方式,使人们有希望拥有一个更加安全、方便、舒适、智能的家。文中设计了一种基于SIM900A和Cortex-M3的物联网智能家居控制系统。该系统采用Cortex-M3内核的STM32处理器来作为系统主控制器,可以采集多个传感器的信息,并通过SIM900A与多个移动终端实现物联网通信。实验结果表明,该系统可以正常接收来自移动终端的SMS信息,控制家用设备,在出现危险信号时可以快速发送警报短信,具有传输快、传输距离远、实时性强等优点。     

新的DTDs一致性判断算法

DTD s(或Schem a)的一致性是XML研究中的一个新兴课题.小型的DTD s可以根据常识进行检查以保证其一致性,但对于大型的或者由其他数据模型(例如ER模型)转换的DTD s,则需要一种能够实现自动检测的机制.现已提出的DTD s一致性判断算法中,最坏时间复杂性为O(2mn)的S.Lu算法是较具代表性的一种.改进后的S.Lu算法提高了效率,最坏时间复杂性为O(n).     

基于资源约束的自适应实时聚类算法

针对物联网环境下实时数据挖掘中资源约束的特点,分析了快速有效地挖掘抽取知识的方法。在K-means算法的基础上,结合RA-Cluster算法,提出了ARRA-Kmeans聚类算法。并基于环境资源约束和时间约束的特点,引入自适应聚类方法和滑动窗口技术,对网络节点的实时数据进行挖掘。实验结果表明,随着流数据量的增大,ARRA-Kmeans算法在处理实时动态的数据时具有较好的效果,聚类精度较高,处理时间较快。     

基于物联网软件的可靠性评估与进化方案研究

物联网软件绝大多数是由多个大系统构成的超大型的复杂分布式软件系统,针对该类软件系统的可靠性评价及维护十分困难且无系统方法,提出一套系统的基于物联网软件的可靠性评估与进化方法,以实现对复杂物联网软件的可靠性综合评价及维护升级改造.该方法利用基于软件架构的可靠性评估思想及软件逆向工程方法论,解决复杂分布式软件系统的可靠性分析与评价,以及多个大系统构成的超大型软件可靠性升级等难点问题.该方法的提出将为新兴的物联网软件可靠性评估与维护提供有效的方法和理论支持.     

面向TDT的动态多文档文摘研究

应用话题检测技术中的聚类思想,分析了动态多文档文摘时间特性.利用时间信息的阈值变化得到不同的多文档聚类结果,进而生成基于动态网页信息数据流的多文档文摘.针对不同阈值的多文档文摘比较,了解时间信息在动态的多文档文摘中的重要性.实验证明在TDT的话题检测技术中,可通过调整α值的方法来平衡TDT的输出结果,进而生成质量更好的动态多文档文摘。     

线性划分问题的一个改进算法

给定一个由n个非负数构成的序列X={x1, x2, …, xn}及正整数k≤n, 线性划分问题要求将该序列划分为不大于k段子序列,使得最小化各段子序列元素之和为最大值。目前已知该问题的最好算法是时间复杂度为O(kn2)和空间复杂度为O(kn)的动态规划算法。利用非负数序列的性质,给出一个快速改进算法,其时间复杂度为O(knlogn),空间复杂度为O(n)。     

基于物联网的网络控制器设计

针对物联网系统中多样性通信网络导致的信息割裂问题,设计了一种基于物联网的网络控制器.该网络控制器是通过无线传感器网络汇集不同终端的数据,并将这些数据与传统通信网络进行连接传输,构建一个统一管理的物联网系统,进而形成了多样通信网络的统一性.根据系统实现方案,在硬件、软件设计的基础上搭建了系统实验测试平台,实验结果表明,所设计的网络控制器能够实现不同网络之间的数据传送和协议转换,且具有良好的数据传输性能.     

物联网中压缩感知算法的云加速方法

为了减少采集的数据量,提出在物联网中引入"边采样边压缩"的新型采样方法——压缩感知. 针对压缩感知理论中信号重建算法计算复杂度较高的问题,设计并实现了一个基于云平台和代码迁移的算法加速方案; 该方案解决了代码并行化的自动翻译、算法向云端迁移、本地和云端执行同步等问题,对可并行化的算法,仅需要增加几个新定义的接口及插入一些描述性的注释,就可以利用云资源实现算法的加速; 实验表明,该方案是可行的、有效的. 该文还研究了基于物联网资源的云加速方法,提出了基于云加速方案、结合多核/多CPU方法和GPGPU方法,能充分利用已有物联网资源的混合压缩感知算法加速框架,并初步设计了理论运行流程.