高红梅[1]2000年在《一类复杂图象目标识别研究及智能化方法的应用》文中研究指明视觉是人类最重要的感知手段，图象又是视觉的基础。因此数字图象处理成为心理学、生理学、计算机科学等诸多方面的学者研究视觉感知的有效工具。其次，图象处理在军事、遥感、气象等大型应用中有不断增长的需求。图象处理领域中，在复杂背景下进行目标体的检测与跟踪是多功能感知的重要前提和手段，但其复杂性给研究带来了困难。借助计算机高速运算能力模拟生态模式和人类智能行为模式的研究是突破复杂性研究瓶颈的有效途径。本文所引入的一种智能化方法──遗传算法正是众多此类成果中的佼佼者。 本文首先介绍了遗传算法及其改进方案，然后叙述了数字图象处理的有关基本要点，并给出采用智能化方法对图象处理技术进行优化后的仿真实例。在此基础上，作者设计了一种新型的目标检测定位方法，并将其应用于固定复杂背景、包含未知数量和大小的目标(主要针对人像目标)的图象处理之中。与其他目标检测方法相比，有其独特的优点，即对图象及目标的约束少、简单有效、具有一定的快速性和实用性。
秦昆[2]2004年在《基于形式概念分析的图像数据挖掘研究》文中研究表明随着图像数据获取设备和获取手段的迅速发展，我们获取了海量的图像数据，如何充分地利用这些图像数据，从图像数据中挖掘出隐含的、潜在的规律性的知识，是目前迫切需要解决的问题。本文对图像(遥感图像)数据挖掘与知识发现这一新的概念的内涵和外延进行了系统地深入地分析和研究，将这一概念解释为“利用空间数据挖掘的理论和方法(空间聚类分析、空间关联规则分析、空间序列分析等)从图像库(或多幅图像、一幅图像的多个分块)中提取出规律性的潜在的有用的信息、图像数据关系、空间模式等，自动抽取出具有语义意义的信息(知识)，从而为图像的智能化处理服务的过程”，强调这个概念是一个动态的概念，是一个过程，其目的是为图像的智能化处理服务，可以对人量的图像数据库进行挖掘，也可以只对一幅图像进行挖掘，它是在其它相关技术的基础上发展起来的，由于还处于初期阶段，与这些相关技术之间的区别有时候可能还不是很明显。本文认为图像数据挖掘是一个具有自己的独特的研究内容的、具有自己的理论和技术框架的一门新的理论和技术。本文对这一概念与其它相关概念之间的关系进行了分析和对比，对图像数据挖掘的研究内容和研究体系进行了界定。 本文对形式概念分析(概念格)理论进行了系统地深入地分析，形式概念分析理论也称作概念格理论，是用数学的形式化的方法对人从数据中产生概念的过程进行分析的有力工具，这与数据挖掘是从大量数据中产生知识的过程是一致的，冈此，形式概念分析理论非常适合于进行数据挖掘的研究。本文对基于形式概念分析理论的数据挖掘的原理和算法进行了研究，将关联规则、分类规则、聚类规则统一成“A(?)B”的形式，从而建立了集关联规则挖掘、分类规则挖掘和聚类规则挖掘为一体的统一的数据挖掘的框架。本文重点对关联规则挖掘的算法进行了深入的研究，并研究出两种集概念格的构建和Hasse图的绘制为一体的关联规则挖掘的快速算法。其中，第二种算法建立了辞典序索引树，并根据概念格节点的内涵基数实现分层存放，经过实验验证，证明这两种算法都优于经典的关联规则挖掘算法Apriori算法，并且第二种算法比第一种算法更加快速有效。 我们对现实世界的认识是在不同的层次、不同的粒度世界里进行的，对于图像数据挖掘来说也是如此，这就涉及到一个图像数据挖掘的粒度问题。本文通过对商空间理论的分析与研究，利用商空间理论提供的形式化语言来描述图像数据挖掘的不同的粒度世界，将商空间理论与形式概念分析理论相结合，对图像数据挖掘与知识发现的机理进行了研究，从理论上提出了一个概念驱动的图像数据挖掘与知识发现的理论框架，即通过商空间理论建立图像数据挖掘的形式化分析体系，在该形式化分析体系的指导下，利用基于形式概念分析理论的数据挖掘算法，从不同粒度的图像世界中提取出不同层次的概念，分析概念之间的包含与被包含关系，从而挖掘出图像数据中隐含的潜在有用的规律性的知识。 图像数据挖掘与知识发现是一个非常复杂的过程，当我们面对一堆纷繁复杂的图像数据时，可以利用商空间的分层递阶的处理方法，首先将这个复杂的问题进行分解，根据区域、层次、图像内容等将图像数据挖掘划分成各个子问题，从不同的粒度分别进行图像数据挖掘，然后再将这些不同粒度的图像数据挖掘的结果进行集成。根据图像数据的位置，可以将图像数据划分为不同的区域，对这些不同的区域的图像数据分别进行挖掘;根据图像数据的层次，将图像数据挖掘划分为像素层次的微观粒度的挖掘、像素集团层次的中观粒度的挖掘、对象层次的宏观粒度的挖掘以及基于对像及其相关的领域信息的宏观粒度的挖掘。根据图像的内容，可以分别进行光谱(颜色)特征知识挖掘、纹理特征知识挖掘、形状特征知识挖掘、空间关系特征知识挖掘等。在进行图像数据挖掘的过程中，以提取各个层次的概念以及概念之间的关系为主要目的，从而挖掘出相关的关联知识。这样，将商空间理论与形式概念分析理论相结合，建立概念驱动的基于商空间理论和概念格理论的统一的图像数据挖掘的框架。本文重点对光谱(颜色)特征知识挖掘、纹理特征知识挖掘、空间关系特征知识挖掘等进行了实验研究，从图像数据中挖掘出了大量的光谱特征知识、纹理特征知识以及空间分布规律知识等。本文选取了大量的航空纹理样本图像，进行了基于纹理特征知识的纹理图像分类的实验，并且与基于灰度共生矩阵、基于马尔柯夫随机场的纹理分类方法进行了对比实验，实验结果证明本文所研究的集于图像数据挖掘的纹理分类方法的分类精度比另外两种纹理分类方法的分类精度更高。 利用图像数据挖掘的方法可以从图像数据中挖掘出大量的图像知识，本文对图像知识的存储与管理以及基于知识的应用等问题进行了研究。本文提出了利用关系数据库以及文本文件的方式实现图像知识的统一存储和管理的方法，建立了一个图像知识库系统，实现了图像知识的有效存储和添加、删除、查询等功能。图像数据挖掘的主要目的之一就是为图像的智能化处理服务，针对图像的智能化处理的目的，本文对图像数据挖掘的应用:基于知识的图像分类?
佚名[3]2004年在《计算机在电子学方面的应用》文中认为TP39 2004021311基于UML的攻击模式研究/李购,李伟华(西北工业大学)11计算机工程与应用一2003,39(3)一8一10。24黑客攻击持续增加的频率和复杂性使预防的难度越来越大.同时,多阶段攻击和协同攻击也越来越普遍.目前,关于攻击的大多
胡宏宇[4]2010年在《基于视频处理的交通事件识别方法研究》文中进行了进一步梳理基于视频处理的交通事件识别是智能交通领域中较有前途的应用技术之一,可为城市交通管理与控制提供全面、实时的交通状态信息。目前基于视频处理的智能化交通事件识别系统仍处于发展阶段,在某些关键技术环节,特别是在运动目标交通行为分析以及交通事件识别模型构建等方面尚需进一步研究。本文结合图像处理、模式识别、机器学习等理论与方法,围绕交通事件视频识别过程中的若干关键技术问题进行系统性的研究。首先针对背景模型的背景初始化、背景表达与更新进行深入探讨,实现了复杂场景下的自适应前景运动区域检测;同时给出了运动阴影去除的解决方案,提高了运动目标的检测精度。结合运动目标的形态特性与运动特性设计了基于多类支持向量机的分类算法,实现了混合交通运动目标的类别判断。提出了基于卡尔曼滤波的多特征匹配跟踪算法与基于历史运动信息补偿的遮挡处理方法,保证了复杂遮挡情况下的运动状态准确估计。综合考虑轨迹的空间特性、方向特性、类别特性,提出了运动模式的多层次学习方法,并由此构建了基于Bayes空间模式匹配以及基于起讫点方向模式匹配的异常行为检测方法。将运动目标的状态属性与交通场景中的上下文相关信息相结合,定义了简单事件、复杂事件等具体概念,为事件识别提供了通用的表达形式;在此基础上,构建了基于Bayes分类器与逻辑约束相结合的基本事件识别方法及基于隐马尔可夫模型的复杂事件识别方法。通过对实际场景中交通事件的识别验证了本文方法的有效性。本文的研究成果深化了交通事件信息视频检测理论与方法,为运动目标的交通行为特性研究、智能化交通事件信息采集提供了有效的技术手段,具有重要的理论意义与实用价值。
参考文献：
[1]. 一类复杂图象目标识别研究及智能化方法的应用[D]. 高红梅. 西安理工大学. 2000
[2]. 基于形式概念分析的图像数据挖掘研究[D]. 秦昆. 武汉大学. 2004
[3]. 计算机在电子学方面的应用[J]. 佚名. 中国无线电电子学文摘. 2004
[4]. 基于视频处理的交通事件识别方法研究[D]. 胡宏宇. 吉林大学. 2010
标签：计算机软件及计算机应用论文; 数据挖掘论文; 大数据论文; 数据挖掘算法论文; 空间数据论文; 空间分析论文; 粒度论文;