多分类器融合的快速高维特征聚类图像分割

提出一种多分类器融合的快速高维特征聚类图像分割方法,将图像高维 特征数据的分类分解为基于灰度(颜色)特征的最佳模糊分类以及基于空域约束的统计分类等 多个低维特征数据的分类。通过多分类器融合的方法将不同分类器得到的分类结果进行优化 整合,得到最后的分类结果。实验证明：与其它图像分类算法相比,该方法拥有更好的分 割性能并大大提高了计算速度,最大限度地保证了分割算法计算的简单有效性。     

基于累积直方图的视频镜头边界检测方法

提出了一种基于累积直方图的视频镜头边界检测方法,以累积直方图来代表视频帧图像的特征,其帧差充分反映了视频帧图像间的差异性;结合滑动窗的局部阈值分割处理,获得镜头边界检测对物体/摄像机的运动和光线变化的不敏感性。实验结果表明,本方法在镜头突变边界检测中达到95.97%的查全率和96.75%的查准率。     

基于机器学习的压缩域镜头分割技术

为了进行视频结构化和视频内容分析,需要准确有效地提取视频镜头的边界信息.为此提出了一种利用支持向量机(SVM)学习压缩域特征的算法进行镜头边界检测,只需简单译码即可得到MPEG1/2等各类视频流压缩域的特征信息.经TRECVID2005镜头边界检测集的评测,该算法在保证查全率和检测精度的情况下获得了满意的效果.     

一种融合遮挡分割的多目标跟踪算法

复杂环境下的多目标视频跟踪是计算机视觉领域的一个难点,有效处理目标间遮挡是 解决多目标跟踪问题的关键。提出了一种融合遮挡分割的多目标跟踪算法,计算每个目标 的光流速度概率直方图,反映其运动统计信息;综合使用外观、运动、颜色信息构造新的像 素距离表达,借助分阶段分类思想及K均值聚类技术进行遮挡分割,得到准确的运动前景 像素;在粒子滤波器跟踪框架下,使用概率外观模型进行多目标跟踪,更好地处理动态遮挡 问题。实验表明,所提算法解决了复杂环境下的多目标跟踪问题。     

残疾人就业服务体系的构建:从分割到融合

将国际上促进残疾人就业的政策分为三种:法规管制型政策、平衡型政策和替代型政策.我国残疾人就业政策从集中就业转变到目前的以按比例就业为主,以多种就业方式为辅,实现了从分割到融合的过渡,但残疾人就业仍然存在较多问题,比如平衡型政策不够完善,职业康复和培训、支持性就业较为薄弱.建设残疾人就业服务体系应从全局和整体考虑,关注残疾人就业能力的提高和维持其就业动力,重点加强平衡型政策的实施.     

基于多特征融合技术的龙江大豆表象识别方法

针对目前龙江大豆品种鱼龙混杂、难以区分,提出一种基于多特征融合技术的龙江大豆表象识别方法。首先采集6种大豆表象图像,采用中值滤波对大豆表象图像样本去噪,其次采用Lab色彩模型与阈值分割相结合的方法对大豆表象图像进行分割处理,提取大豆表象图像的形态学特征、HIS颜色特征以及纹理特征,再次采用主成分分析对多特征进行融合处理,然后采用基于局部权重的K-近质心近邻分类算法对大豆表象进行分类识别,最后,综合上述三类特征值对6种大豆表象图像进行识别分类检测,总体平均正确识别率达到92.46%。     

基于灰度图像分割的改进遗传算法

本文在基于灰度图像分割的基础上对传统遗传算法进行改进,提出基于染色体、基因位的改进遗传算法。该方法利用图像的直方图,对进行初始种群预处理,减少遗传算法的迭代次数。实验表明,改进的遗传算法应用于灰度图像分割能取得较好的效果。     

基于多分类器集成和特征融合的用户出境预测

准确地识别有出境意向的用户具有重要的意义,可为出境服务企业的精准营销实施、出境运营的高效管理和政策制定提供决策支持。针对此需求,提出了一种基于多分类器集成和特征融合的用户出境预测方法。首先利用用户的移动终端信息交互数据,挖掘用户的出境相关行为特征和静态特征作为样本特征;其次,通过最小冗余最大相关算法筛选最优特征,并利用贝叶斯优化算法寻找多个分类器最优超参数;最后,基于集成学习思想构建三层架构的用户出境预测模型,模型通过融合前两层分类器的输出特征生成新特征,并将其输入第三层分类器进行学习和预测。实验表明,所提方法的F1值和AUC(Area under the Curve)值分别达到了97.16%和97.21%,对于用户出境具有较高的预测精度。     

基于多传感器融合技术的视频监控系统设计

对现有视频监控系统占用资源较多,无法自动跟踪对象的问题,提出了一种基于单片机的可自动跟踪对象的视频监控系统,并详细介绍了系统软件和硬件的设计方法。该系统运用多传感器融合技术,通过电机控制摄像头旋转从而达到自动跟踪目标对象的目的。     

融合多特征的图像检索算法

针对单一特征不能很好地表述图像的问题,提出了一种融合多特征的图像检索算法。首先,提取查询图像和图像库中样本图像的GIST（Generalized Search Tree)特征,用欧氏距离衡量图像间的GIST相似度值,根据查询图像的GIST特征在图像库中进行检索,将结果按相似度进行排序;然后,提取查询图像和返回结果中前k幅图像的尺度不变特征变换(SIFT)特征,使用BBF(Best Bin First)算法进行特征匹配;最后,通过特征点匹配点对数排序并返回检索结果。实验在改进的Corel1000数据集上进行,与传统的单特征图像检索算法对比,提出的图像检索算法不仅提高了检索准确率,而且获得了较好的检索效率。     

空间差异度量约束的图像修复

针对传统算法在图像修复时选取最佳块匹配准则的单一性和随机性的问题,提出了一种空间差异度量约束的图像修复方法。该算法利用等照度线确定待修复块的优先级,根据空间差异度量约束的最佳块匹配准则搜索与该待修复块最匹配的样本块,采用最佳匹配块的信息更新优先级最高的待修复块的信息以修复其缺失像素信息。实验结果表明,与传统算法相比,所提算法能有效提高图像修复的主客观质量,对三种类型的信息缺失均取得了较好的修复效果。     

基于时间序列聚类的多雷达数据融合

针对多雷达数据融合问题,提出了基于时间序列的聚类算法,用于实现航迹相关,即以时间序列为基础把聚类模型转化为基于特征匹配的聚类算法。进一步考虑到多目标密集时,部分来自不同目标的数据可能比来自同一目标的数据更接近,易导致关联错误,为此提出了基于时间序列的模糊聚类算法。对上述两种算法的聚类结果,应用卡尔曼滤波器实现滤波跟踪,在不同的情况下仿真后发现,在跟踪目标较少且相互位置较远的情况下,两种算法均有效,在跟踪目标较多且相互位置靠近的情况下,基于时间序列的模糊聚类算法更有效。     

基于顾客满意和顾客忠诚关系的市场细分方法研究

There exist different views and opinions on the links between customer satisfaction and loyalty. This paper suggests that the impact of customer satisfaction on loyalty varies across customers. This study choose the cell phone industry in China as an example and segmented customers with a novel method of clusterwise linear regression, based on the association between customer satisfaction and loyalty. Results revealed sample heterogeneity in relation to the two factors. The loyalty of some subgroups is positively related to satisfaction significantly, while that of other clusters is independent of satisfaction. Translated from Nankai Guanli Pinglun 南开管理评论 (Nankai Business Review), 2005, 8(5): 26–30     

基于像素失真耦合边缘特征融合的无参考质量评价

为了适应多种类型的模糊图像进行质量评价,提高评价模型对图像模糊和振铃的洞察能力,提出了一种像素失真与边缘特征融合的无参考质量评价算法。首先,根据像素失真理论,计算图像像素的标准差和绝对差分值,提取图像的像素特征;然后,计算图像水平和垂直方向的过零率,并利用边缘保持滤波器对图像边缘信息进行测量,精确提取图像的边缘特征;最后,利用提取的像素特征和边缘特征,定义特征融合函数,并引入粒子群优化（PSO）对融合函数参数进行优化,提高对图像模糊和振铃的洞察能力,根据融合特征构建图像质量评价模型。与当前无参考质量评价算法比较,所提算法能够有效地对JPEG（Joint Photographic Experts Group）、JPEG2000（Joint Photographic Experts Group 2000）、模糊等失真图像进行质量评价,评价指标CC（Correlation Coefficient）与SROCC（Spearman Rank-order Correlation Coefficient）达0.947 7和0.915 3。该算法与主观评价方法具有较好的一致性,能够较好地适用于多种类型的失真图像评价。     

基于分级信息融合的引信多模融合

为了提高引信的准确性, 结合当前微型毫米波雷达、激光传感器、微机电系统（MEMS）传感器对目标的探测能力,提出了一种引信多模融合策略。以传感器受环境影响的主要因素为输入,构建环境影响贝叶斯网络,形成传感器可靠性权重分配;通过建立传感器量测加权融合,形成测距与加速度两级融合综合处理获得目标准确位置信息,从而提高量测可靠性,为准确引爆提供支撑。实验表明该算法可提高测距准确性且对不同环境具有较好的适应性。     

基于L曲线的自适应时空正则化视频超分辨率重建

为了解决视频超分辨率重建的病态问题,以得到良好的重建效果,提出了一种新颖的视频超分辨率重建算法。在算法中引入了时空联合正则化算子,通过视频帧本身的空间平滑信息和视频相邻帧的帧间相关先验信息的引入,提高了解的质量;同时,为了选择合适的时空正则化系数,提出了基于L曲线的自适应时空正则化系数计算方法,可以自适应地计算合适的正则化系数。通过对模拟图像序列和真实视频序列的实验结果表明,算法能得到较为精确的解,重建出具有良好视觉效果的高分辨率视频。     

Customer segmentation in retailing based on retail brand patronage patterns

In this study, we propose an alternative method for customer segmentation based on households’ retail brand portfolios. We suggest blockmodeling, a method that is rooted in social network analysis, to identify homogeneous groups of customers being characterized by similar patronage patterns. In a second step, we combine this method with psychometric analyses to examine group differences based on sociodemographic and purchasing behavior variables. To illustrate our approach, we use a sample of 500 households out of a panel data set of 36,502 German households in the fast-moving consumer goods sector. The findings of our analyses yield support for our assumption that our methodology, taking into account the relationship between households and the different retail brands they patronize, provides a broader understanding of the antecedents of households’ multiple store patronage strategies, leading eventually to a new form of customer segmentation.     

基于时域分割的DS/FH信号参数估计

针对时频分析方法在直扩/跳频(DS/FH)混 合扩频信号参数估计中存在时频分辨率受限、交叉项干扰、实时性差等缺点,通过分 析DS/FH信号的时频特性,提出了一种新的DS/FH信号参数估计方法。该方法从待测信号的时 域分析出发,利用不同跳频点对应的周期数不相等的性质,完成了对DS/FH信号的时域分割 ,最后结合DS/FH信号性质完成了对待测信号跳频周期、驻留时间、跳频频率的估计。仿真 结果表明,该方法针对DS/FH信号的参数估计精度高,运算速度较快,且没有干扰频率。