基于组合赋权及TOPSIS的隐写分析算法综合评估

分析了隐写分析技术在不同背景下的应用需求,提出了一种基于组合赋权及逼近理想解排序法(technique for order preference by similarity to ideal solution,TOPSIS)的隐写分析算法性能评估方法.该方法包含检测率、虚警率、可靠性、检测误差及算法运行速度等5个指标,先用熵权法确定指标权重,再根据层次分析法进行主观赋权,最后用TOPSIS实现对隐写分析算法的综合评估.实验结果表明,该方法可针对不同的性能指标要求选出最优的隐写分析算法,且对隐写分析算法性能的改进具有指导意义.     

基于邻域互信息最大相关性最小冗余度的特征选择

特征选择是一种重要的数据预处理步骤,其中互信息是一类重要的信息度量方法。本文针对互信息不能很好地处理数值型的特征,介绍了邻域信息熵与邻域互信息。其次,设计了基于邻域互信息的最大相关性最小冗余度的特征排序算法。最后,用此算法选择前若干特征进行分类并与其它算法比较分类精度。实验结果表明本文提出算法在分类精度方面且优于或相当于其它流行特征选择算法。     

优化的互信息特征选择方法

在文本分类中,互信息是一种被广泛应用的特征选择方法,但是该方法仅考虑了特征的文档频而没有考虑特征的词频,导致它经常倾向于选择出现频率较低的特征.为此,提出了一个新的文档频并把它引人到互信息方法中,从而获得了一种优化的互信息方法,该优化的互信息方法不但考虑了特征的文档频而且还考虑了特征出现的词频,实验结果表明该优化的互信息方法性能良好.     

基于混合互信息和改进粒子群优化算法的医学图像配准

为提高医学图像辅助诊断的配准精度和收敛速度,提出了一种基于混合互信息和改进粒子群优化算法的医学图像配准算法,在每步迭代中,先用基于Renyi熵的互信息结合改进粒子群优化算法对图像进行全局搜索,然后对当前得到的最优解使用基于Shannon熵的Powell算法进行局部寻优。实验结果表明,该算法在收敛速度和精度方面都优越于其他配准算法。     

基于标记重要性的多标记特征选择算法

针对标记重要性不同,且这种不同可能会为多标记学习提供一定的信息,该文提出了基于标记重要性的多标记特征选择算法.该算法首先引入核函数将特征空间映射到一个新的可分性强的特征空间,在映射后的特征空间中利用标记对样本的可分性对标记赋以权重;其次,在每个新映射的特征空间计算样本的分类间隔,并将该间隔作为特征权重来衡量特征的重要性;最后,联合标记权重和特征权重,对特征进行排序,得到一组新的特征重要性排序.实验结果表明:该算法优于一些当前流行的多标记特征选择算法.     

基于特征点的ICP点云配准算法

ICP配准算法对待配准点云初始位置要求较高,且配准过程耗时长,因此提出了一种基于特征点改进的ICP点云配准算法。利用点云的局部法向量提取特征点,根据特征点的特征直方图得到初始配准点云;通过K-D tree搜索点集中的对应点对,运用四元数法得到配准参数,根据刚性距离约束条件精确配准点云。实验表明,该算法避免了ICP配准算法因初始位置姿态而陷入局部最优,同时提高了配准效率和精度。     

基于支持向量机的多特征选择目标跟踪

目标判别跟踪方法一般以单一跟踪结果(正样本)和部分负样本训练分类器,并只用单一的特征描述目标,因此在目标发生遮挡、光照变化、形变等情况下很容易导致跟踪的失败. 为了克服单一正样本和单一特征训练的分类器导致跟踪不稳定的问题,提出一种基于支持向量机的多特征描述、多个正负样本进行分类器训练的目标跟踪方法,用训练分类器对所有候选粒子的不同特征进行判别和选择,并将具有最大置信概率的粒子确定为跟踪结果. 在跟踪过程中,利用子空间学习的方法实现正样本的更新,并以更新后的正负样本训练分类器. 实验结果表明,该方法在目标存在遮挡、光照变化、形变等情况下均可以取得较好的跟踪效果.     

基于分数群稀疏混合范式和空间正则化的高光谱解混

高光谱稀疏解混合方法旨在寻找光谱库的最佳子集以对场景中的混合像元进行建模。大多数稀疏解混合方法使用美国地质调查局光谱库,易造成与所研究的高光谱数据失配。利用顶点分量分析和概率输出支持向量机,设计了一种结合空间和光谱信息的基于图像的端元光谱库提取方法。由于提取的端元光谱库具有群结构,即多个端元光谱代表一类材料,因此估计的丰度也具有群体结构。提出了基于分数群稀疏混合范式和空间正则化的解混算法,用来解决丰度估计优化问题。分数混合范式诱导丰度群内和群间稀疏性,全变分(Total variation, TV)空间正则化诱导丰度群空间平滑。在模拟数据集和真实数据集上的实验结果表明,与传统稀疏解混合方法相比,该方法可以显著提高解混性能。     

基于微分-差分特征列法的Lie对称新算法

特征列方法将方程的零点集转化为几个特征列,即不可约的三角列的零点集的并集,使得方程达到降阶、降维度数的目的;李对称则提供了一套系统的方法,通过对对称约化和群不变解研究,方程阶数大大降低。这两种方法的共同之处在于其思想都是通过变换将原方程化为更易求解的同解方程(组),减少求解方程的计算量。将这两种方法有效结合,应用微分-差分特征列法将耦合的Toda晶格方程分解,对分解得到的特征列集应用差分Lie对称法,求得这些特征列集的不变群和群不变解。根据零点分解定理,这些特征列集的群不变解就是耦合Toda晶格方程的群不变解。     

代价敏感特征选择和半监督学习相结合的乳腺癌辅助诊断

乳腺癌在X光图像下的主要表现是肿块和微钙化点.传统的诊断方法一般假设从图像肿块和微钙化点中提取的特征是正确有效的,且采用监督分类器进行诊断.但在实际中,一方面不能完全保证所有被提取特征的正确性;另一方面,由于高昂的标记代价,导致大量样本无标记.针对上述两个问题,本文提出了一种新颖的诊断方法.一方面,为了消除特征冗余和选择出对分类有用的判别特征,提出改进的代价敏感选择性集成法用于选择特征;另一方面,为了利用未标记样本信息,设计了一致性协同学习半监督分类器.在公共乳腺癌数据库DDSM上的实验表明,所设计的乳腺癌辅助诊断方法与其他方法相比具有更好的诊断性能.     

长江中游经济带土地利用转型风险评估

长江中游经济带土地利用转型过程可能导致的经济、社会及生态风险,将影响该区域甚至全国的可持续发展,研究其土地利用转型的风险评估方法至关重要。该文设计了基于“压力-状态-响应”框架的土地利用转型风险评价指标体系,利用基于熵权的逼近理想解排序法评价了土地利用转型的风险,应用障碍度分析法识别土地利用转型风险因子,分析了1990—2015年长江中游经济带土地利用转型的经济、社会与生态风险的分布状态与变化趋势,完成对各时期区域土地利用转型风险的风险因子识别,为提高长江中游经济带土地利用转型的影响研究效率,推进土地利用转型的风险评估工作提供技术支持。     

基于统计信道状态信息的节能分布式中继选择

针对放大转发协作网络中的中继节点选择问题,提出了基于统计信道信息的能量有效分布式中继选择算法. 算法对系统能量效率与系统中断性能进行折中,通过最小化系统平均消耗总功率来确定转发阈值,各中继节点根据转发阈值独立地决定是否参与数据转发. 考虑有多个中继节点辅助源节点进行数据传输,提出了基于数值搜索方法确定转发阈值的多中继节点选择算法,在满足系统目标中断性能的同时,使系统消耗较少的平均功率. 为了降低阈值求解的复杂度,考虑只有1 个中继节点参与数据转发,进而提出了具有低计算复杂度的单中继节点选择算法. 仿真结果表明,与已有的放大转发模式下的中继选择算法相比,该文提出的算法在能量效率上具有更好的系统性能.