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%。     

极化SAR数据的细节保持分割

提出一种保持场景局部细节的极化合成孔径雷达数据非监督分割方法.该方法将传统的基于极化目标分解的极化SAR分类方法与基于马尔可夫随机场的分类方法相结合,利用迭代条件模型方法得到分割结果.为保持细节特征,同时又能对各向同性区域进行平滑,利用总功率(span)图像的场景均匀性对分类结果进行修正.实验结果表明,与已有方法相比,该方法在细节保持方面有一定改进.     

决策可靠性分析及在SAR图像目标识别中的应用

决策融合是提高合成孔径雷达（Synthetic Aperture Radar,SAR）目标识别性能的重要手段,然而,可靠性较弱的决策往往会导致最终决策融合的效果变差。将可靠性分析引入基于决策融合的SAR目标识别方法中,分别计算各个决策的可靠性系数并选取可靠性的决策参与最终的决策融合。为了验证方法的有效性,分别将提出的可靠性分析应用于多特征决策融合以及多分类器决策融合并基于MSTAR（Moving and Stationary Target Acquisition and Recognition）数据集进行了目标识别实验。在基于主成分分析、线性鉴别分析和非负矩阵分解三种特征进行多特征决策融合的条件下,所提方法和直接进行决策融合的方法的识别率分别为97.47%和96.50%。在基于K近邻、支持向量机和稀疏表示分类器的多分类器决策融合中,所提方法和直接进行决策融合的方法的识别率分别为97.10%和96.28%。实验结果充分证明了所提方法的有效性。     

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。     

融合改进FT显著性与Grabcut的图像目标分割算法

针对目前复杂度较大的图像中目标分割速度较慢、显著性边界分割不明确等问题,提出了一种融合改进的FT（Frequency-tuned）显著性检测与Grabcut的图像分割算法。该算法首先通过改进基于频率调谐的FT显著性检测方法得到图像中显著性较高的区域,并利用SLIC（Simple Linear Iterative Clustering）算法对显著图进行预处理得到超像素图,能够有效改善边界的分割效果,然后通过以图论GraphCut算法为基础改进的Grabcut算法建立高斯混合模型。为了提高算法效率,通过聚类以超像素代替原像素,并反复迭代高斯混合模型（Gaussian Mixed Model,GMM）参数,最后利用最大流最小割算法得到最优目标分割结果。实验结果表明所提算法能够更准确更高效率地分割图像中的显著性目标,对高分辨率图像也有很好的适用效果,相比于其他算法在分割精度上提高10%左右,并具有较高的分割效率。     

基于小波变换的多规则图像融合方法

针对红外和可见光图像各自特征,提出了基于小波变换多分辨率的不同规则图像融 合方法。首先对原图像进行多级小波分解,产生多频带小波系数,利用像素的局部区域方差 、平均梯度及掩膜滤波等方法对不同频带小波系数计算融合权重,最后将小波融合系数逆变 换实现图像的融合处理。实验结果表明,融合图像特征显著,易于观察。     

一种SAR与可见光图像压缩感知融合增强方法

针对机载多传感器成像战场态势感知的问题，提出了一种合成孔径雷达(Synthetic Aperture Radar，SAR)与可见光图像压缩感知融合增强方法。该方法首先对SAR与可见光图像分别进行压缩感知测量，得到压缩测量值，然后通过基于局部权值的融合方法实现对压缩测量值的融合，再利用有序度最优分割法提取SAR图像的强散射目标，最后对融合测量值重建得到初步融合图像，初步融合图像通过目标对比度增强得到最终融合图像。对多组图像进行了仿真分析，视觉及数值结果表明该方法能显著增强融合图像的目标对比度，提升了图像纹理清晰度，较大程度降低了图像融合过程中的数据计算量。     

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。     

利用曲波变换和局部线性嵌入算法的SAR图像海面油膜特征提取

溢油事故带来的海洋污染问题日益严重,SAR图像快速准确地自动识别为溢油事故的处理和决策支持提供了重要前提。为了获得更高的油膜识别准确率,提出了一种基于曲波变换（Curvelet）和局部线性嵌入（Local Linear Embedding,LLE）算法的SAR图像特征提取方法。首先,利用Curvelet对图像进行分解,选取包含了主要信息的低频分量作为新的图像矩阵;然后,利用LLE进行非线性降维,提取图像分类特征。为了验证提取特征的有效性,所提的Curvelet-LLE算法与PCA、LLE、等距特征映射（Isomap）、Curvelet变换和 Fisher 判别分析(Curvelet-KFD)、Wavelet-LLE等特征提取算法,利用K最近邻和支持向量机分类器分别进行了对比实验。实验结果表明,Curvelet-LLE算法能更有效地提取SAR图像油膜识别的分类鉴别特征,其准确率相对较高,具有较好的实用性。     

基于小生境演化算法的混合核函数SVM参数寻优算法

提出了一种基于小生境演化算法的混合核函数SVM参数寻优算法,该算法定义随机交叉变异模板决定实数编码小生境演化算法的交叉变异位,利用该小生境演化算法对混合核函数的SVM参数寻优,最终得到性能良好的SVM分类器。仿真实验表明,通过使用该算法对UCI数据集分类识别,能够找到SVM分类器的最优参数,混合核函数SVM比单一核函数SVM算法具有更好的分类性能。     

一种结合空谱聚类的高光谱图像快速压缩算法

对高光谱图像进行快速压缩已经成为了高光谱遥感领域的研究热点。针对现有的高光谱图像数据量大和压缩所需运算量大的问题，提出了一种基于频段聚类+主成分分析(PCA)与空间分类相结合的高光谱图像快速压缩算法。首先利用最大相关度频段聚类算法(MCBC)将频段聚类，接着将每一类频段用PCA压缩，然后将压缩后的图像利用聚类信号子空间投影(CSSP)算法进行图像分类，最后在每一类内利用LBG(Linde Buzo Gray)算法通过矢量量化快速完成高光谱图像的编码。在不同的压缩比下进行实验，结果表明提出的高光谱图像压缩算法能在保证良好的图像恢复质量的前提下，大幅度降低运算复杂度，实现高光谱图像的快速压缩。     

基于显著区域提取的红外图像舰船目标检测

针对复杂海面背景下红外图像舰船目标由于灰度不均匀、海杂波干扰大等因素造成的自动检测虚警率高、准确率低的问题,提出了一种显著区域提取和目标精确分割相结合的红外舰船目标检测方法。首先,利用基于图论的视觉显著性(Graph-based Visual Saliency ,GBVS)模型计算待检测图像的显著图,使得目标区域信息增强;其次,结合舰船目标先验信息（长短轴、面积等）,利用多级阈值划分算法提取关注的显著区域,并确定原图中候选目标区域;最后,利用空间约束模糊C均值(Fuzzy C-Means,FCM)算法对候选区域进行分割,结合目标先验知识对分割区域筛选并输出目标位置。所提方法在公开数据集IRShips上与相关方法进行比较,结果表明,相比直接进行全图目标搜索的方法,所提方法不仅准确率高、执行速度快,且检测目标的位置更加精确。     

一种基于Levy-人工蜂群的三维Otsu阈值分割算法

针对图像分割过程中三维Otsu算法运算时间长、计算量大的问题,提出了一种基于Levy-人工蜂群算法的三维Otsu阈值分割算法。首先,以像素灰度值-邻域均值-邻域中值的三维类间方差作为人工蜂群算法的适应度函数;其次,采用Levy飞行模式评价像素的适应度,对其种群更新及邻域搜索过程进行优化,以增强其全局搜索能力;最后,利用改进后的算法得到的分割阈值对图像进行分割。仿真实验结果表明,与传统三维Otsu阈值分割算法相比,所提算法能够有效降低图像存储空间,处理时间降低了30.8%,具备更好的抗噪性能,分割效果也更为理想。     

A Preliminary Study of Fintech Industry: A Two-Stage Clustering Analysis for Customer Segmentation in the B2B Setting

ABSTRACT

This practitioner note proposes a new approach considering two-stage clustering and LRFMP model (Length, Recency, Frequency, Monetary and Periodicity) simultaneously for customer segmentation and behavior analysis and applies it among the Iranian Fintech companies. In this practitioner note, the K-means clustering algorithm and LRFMP model are combined in the customer segmentation process. After initial clustering, for a better understanding of valuable customers, additional clustering is implemented in segments that needed further investigation. This approach contributes to a better interpretation of different customer segments. Customer segments, consisting of 23524 business customers are analysed based on their characteristics and appropriate strategies are recommended accordingly. The first stage clustering result shows that customers are best segmented into four groups. The first and fourth segments are clustered again and the final 11 groups of customers are determined. This note provides a systematic and practical approach for researchers and practitioners for segmentation, interpretation, and targeting of customers especially in the B2B setting and the Fintech industry and helps managers to make effective marketing strategies and enhance customer relationship and marketing intelligence.     

基于模糊聚类的常规通信信号自动分选方法

为解决从干扰环境中自动分选出常规通信信号的问题，提出了一种基于模糊聚类的常规通信信号分选方法。该方法首先利用区分度函数确定最优的相关度阈值参数，然后利用模糊聚类算法对利用频域检测和测向得到的测量集进行信号分选，并对分选后的通信信号进行特征参数估计。实验结果表明，该算法能够在不做任何假定的条件下对常规通信信号进行正确分选，并对窄带信号的特征参数进行准确估计。     

基于空谱特性的高光谱图像压缩感知重构

针对现有的高光谱图像压缩感知重构算法对图像的空谱特性利用不够充分,导致重构图像质量不够高的问题,提出了一种高光谱图像变投影率分块压缩感知结合优化谱间预测重构方案。编码端以频段聚类方式将高光谱图像的所有频段分成参考频段和普通频段,对不同频段单独采用不同精度分块压缩感知以获取高光谱数据。在解码端,参考频段直接采用稀疏度自适应匹配追踪(SAMP)算法重构,对于普通频段,则设计了一种优化谱间预测结合SAMP算法的新模型进行重构：首先通过重构的参考频段双向预测普通频段,并对其进行压缩投影,然后计算预测前后普通频段投影值的残差,最后利用SAMP算法重构该残差,以此修正预测值。实验表明,相比同类算法,该算法充分考虑了高光谱图像的空谱特性,有效改善了重构图像质量,且编码复杂度低,易于硬件实现。     

Evaluating discounts as a dimension of customer behavior analysis

Today, increased competition between organizations has led them to seek a better understanding of customer behavior through identifying valuable customers. Customers’ expectations about the price and quality of products and services play an important role in their selection process. In online businesses, competition and price differences between suppliers is high, so discounts will attract different customers. As a result, discounts and the frequency and amount of purchases can lead to better understanding of customer behavior. Customer segmentation and analysis is essential for identifying groups of customers. Hence, this study uses a model based on RFM called RdFdMd, in which d is the level of discount used to analyze customer purchase behavior and the importance of discounts on customers’ purchasing behavior and organizational profitability. The CRISP-DM and k-mean algorithm were used for clustering. The results indicate that using the R_dF_dM_d model achieves better customer clustering and valuation, and discounts were identified as an important criterion for customer purchases.     

非正交多址技术中利用对称矩阵的用户分组

现有非正交多址接入技术中，用户分组算法的实现首先对信道相似度门限值进行判断，选出候选成组用户；进而对候选成组用户的信道增益差进行比较，选出最优的成组用户。然而，上述分步求解算法中信道相似度门限值的设置存在一定的随机性，导致候选成组用户的选取不准确，从而影响分组结果，限制系统性能的提升。针对上述问题，提出利用对称矩阵的用户分组算法，对用户信道相似度进行非线性变换，而后将用户信道相似度和增益差线性求和构建成新的信道信息矩阵，进一步利用该矩阵的对称性进行求解。仿真分析表明该方法分组结果比设置门限的传统方法更优，在不同用户数目时系统容量均得到提升。在传统方法门限值为0.95时，所提算法系统容量在用户数为16时提升了13.4 Mb/s。     

分块自适应量化算法的仿真和实现

介绍了分块自适应量化(BAQ)算法的基本原理,结合机载合成孔径雷达(SAR)原始数据,对其分布特性、均值、量化信噪比等进行了分析,给出了3bitBAQ的压缩仿真和解码成像,并对原始数据、3bitBAQ压缩结果进行了成像比较。研究了该算法在FPGA内的实现方法。