检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

k近邻图合并及基于k近邻图的近邻搜索研究

k近邻图合并及基于k近邻图的近邻搜索研究

作者：林鹏程厦门大学

学位级别：硕士

近年来,随着互联网和多媒体的高速发展,人们对信息检索的需求也越来越大。k近邻图作为信息检索中的一种基础数据结构,它在近似最近邻搜索算法中有着广泛的应用。然而,现有的构建算法主要侧重于为固定大小的数据集构建近似k近邻图,导致... 详细信息

近年来,随着互联网和多媒体的高速发展,人们对信息检索的需求也越来越大。k近邻图作为信息检索中的一种基础数据结构,它在近似最近邻搜索算法中有着广泛的应用。然而,现有的构建算法主要侧重于为固定大小的数据集构建近似k近邻图,导致其难以应对数据增量上的近似k近邻图构建问题,且k近邻图合并问题由于其难度大、复杂度高在近年来被人们所忽视。基于上述问题,本文围绕k近邻图的合并问题展开研究,然后进一步展示合并算法在近似最近邻搜索中的应用。本文所做的主要研究内容如下:(1)首先,本文提出两种通用性好且高效的k近邻图合并算法。所提算法基于近邻下降的核心思想,并充分利用已有近邻图的信息,有效地减少距离的比较次数,从而提升算法性能。所提出的对称合并算法用于合并两个已有k近邻图,它是分布式并行构建近似k近邻图的关键步骤。所提出的联合合并算法用于解决数据加入已有k近邻图时的合并问题,该算法可用于为开放集合动态构建近似k近邻图。理论分析以及实验结果表明,这两种合并算法的时间复杂度近似于近邻下降算法的25%～75%。(2)此外,针对目前近似最近邻搜索面临的主要问题,本文结合已提出的k近邻图合并算法,提出一种新的层次结构图构建算法。该算法很好地利用了联合合并算法的优点,能有效地支持数据增量上的索引维护。同时,本文进一步将分层搜索的策略应用于所提出的层次结构中,以加速近邻搜索。实验结果表明,基于该层次结构图的搜索在性能上有着稳定的表现。(3)最后,为了进一步分析基于图的近似最近邻搜索算法,本文通过多组对比实验,具体分析图的质量、图的层次结构和图的散化三个因素对这类算法性能的影响。在当前基于图的近似最近邻搜索算法被广泛应用的背景下,本节工作对后续相关研究具有一定的参考价值。

关键词：信息检索 k近邻图 k近邻图合并近似最近邻搜索

基于k近邻图区域合并的视网膜硬性渗出自动检测研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于k近邻图区域合并的视网膜硬性渗出自动检测研究

作者：林蔚上海交通大学

学位级别：硕士

糖尿病性视网膜病变是一种严重的糖尿病性眼疾,是成年人致盲和视力下降的主要原因。硬性渗出是糖尿病性视网膜病变的基本特征,因此对硬性渗出进行早期检测,是防止视力损伤的最好方法之一。目前,糖尿病性视网膜病变多由眼科医生进行人工... 详细信息

糖尿病性视网膜病变是一种严重的糖尿病性眼疾,是成年人致盲和视力下降的主要原因。硬性渗出是糖尿病性视网膜病变的基本特征,因此对硬性渗出进行早期检测,是防止视力损伤的最好方法之一。目前,糖尿病性视网膜病变多由眼科医生进行人工检查,需要花费较多时间。因此,应用计算机自动检测可提高眼底照片评估的效率。目前已有许多研究者提出了多种硬性渗出自动检测方法,取得了较好的结果,但均不同程度的存在着容易丢失边缘和细节信息的现象,为此,本文提出了一种硬性渗出的自动检测方法,在保持较高检出率的同时,能很好的保留分割结果的细节信息。视网膜图片首先通过k近邻图快速区域合并方法进行分割,随后移除假阳性区域,以确认硬性渗出区域。本方法的优点在于算法的稳定与高效,可较快的检测出各种形态的硬性渗出。在实现方法上,首先对原图进行图像增强,增加渗出物与背景间的对照,随后进行边缘检测,得到边界图。由于视盘与硬性渗出在颜色和对比度上都十分相近,为了在之后的步骤中去除视盘,需先得到视盘中心位置,因此,对原图进行血管分割后,在所得结果上寻找血管收敛度最大的区域,即为视盘中心。第二步,使用基于k近邻图的区域合并对图像进行分割,初始化分割由许多小区域组成,根据本论文中所提出的区域相似度定义,对于当前区域中最相似的两个区域反复合并,并更新区域相似度数据,直到当前最大的区域相似度数值仍小于一预先给定的阈值,则停止合并过程。区域相似度的定义主要包含了两个区域之间的边界、灰度差以及距离等信息。采用k近邻图作为区域合并的数据结构,对每个区域均保存两个链表,分别对应着该区域的最近区域,以及以该区域为最近区域的区域。k近邻图使得搜索区域和更新相似度数据的速度较快,大大缩短了程序运行时间。最后根据第一步中所得到的视盘中心位置信息,去除视盘,并根据颜色和位置信息提取出硬性渗出区域。对STARE图库中含有硬性渗出的眼底图像应用上述算法,并将所得结果与眼科医生手工标记的结果做比较,硬性渗出检测的平均特异性可达95.42%,同时平均灵敏性为91.08%。且运行时间较短。表明该方法稳定性较好,检测效率较高,可作为相关疾病的大规模普查自动检测方法的基础,具有一定的潜在应用价值。

关键词：糖尿病性视网膜病眼底图像区域合并 k近邻图硬性渗出

基于l^1范数和k近邻叠加图的半监督分类算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

模式识别与人工智能 2016年第9期29卷 850-855页

作者：张云斌张春梅周千琪戴模北方民族大学计算机科学与工程学院银川750021 Université Michelde Montaigne-Bordeaux 3

为了构造一个能够较好反映数据真实分布的图以提高分类性能,文中提出基于l1范数和k近邻叠加图的半监督分类算法.首先构造一个l1范数图,作为主图,然后构造一个k近邻图,作为辅图,最后将二者按一定比例叠加,得到l1范数和k近邻叠加(LNkNNS)... 详细信息

为了构造一个能够较好反映数据真实分布的图以提高分类性能,文中提出基于l1范数和k近邻叠加图的半监督分类算法.首先构造一个l1范数图,作为主图,然后构造一个k近邻图,作为辅图,最后将二者按一定比例叠加,得到l1范数和k近邻叠加(LNkNNS)图.实验中选择标记样本比例从5%到25%,将基于LNkNNS图的半监督分类算法在USPS数据库上对比其它图(指数权重图、k近邻图、低秩表示图和l1范数图)的算法.实验表明,文中算法的分类识别率更高,更适合基于图的半监督学习.

关键词：半监督分类 l1 范数图 k近邻图 k近邻叠加图

在线全文

学校读者我要写书评

暂无评论

k近邻密度支配域代表团密度峰值聚类算法

计算机工程与应用 2023年第24期59卷 78-87页

作者：吕鸿章杨易扬杨戈平巩志国广东工业大学计算机学院广州510006 澳门大学计算机与信息科学系中国澳门999078

密度峰值聚类(clustering by fast search and find of density peaks,DPC)算法在应对大规模聚类时效率不高。k近邻密度支配域小团簇加速技巧可以很好地改善该短板,但存在代表点代表能力不足的问题,从而影响聚类质量。代表团采样策略可... 详细信息

密度峰值聚类(clustering by fast search and find of density peaks,DPC)算法在应对大规模聚类时效率不高。k近邻密度支配域小团簇加速技巧可以很好地改善该短板,但存在代表点代表能力不足的问题,从而影响聚类质量。代表团采样策略可作为上述问题的改进方式。由此形成的新算法不仅继承了原有密度支配域小团簇加速技巧的高效特性,还保证了聚类的质量。算法构建k近邻图。再利用k近邻图进行核密度估计并构建若干个密度支配域。对各密度支配域分别从高低密度区域采样支配域代表团。利用代表团的近邻关系计算域间相似度。将各支配域视为新样本点,执行DPC算法完成聚类。实验证明,引入代表团策略对DPC算法有一定的提升,聚类效果比部分密度聚类算法更好。

关键词：密度峰值聚类 k近邻图密度支配域代表团策略大规模聚类

在线全文

学校读者我要写书评

暂无评论

多图融合约束半非负矩阵分解的动作分割方法

智能系统学报 2023年第6期18卷 1223-1232页

作者：李国朋王连清韩鹍王宇弘宋聃余立国防科技大学试验训练基地陕西西安710106 国防科技大学智能科学学院湖南长沙410073 国防科技大学信息通信学院湖北武汉430035 国家工业信息安全发展研究中心北京100040

基于聚类的无监督动作分割方法主要利用序列中相邻帧之间的结构相似性来提高动作分割的准确性。这在实现动作片段内部一致划分的同时给不同动作边界的准确分割带来隐患。为此提出了一种基于多图融合约束矩阵分解的动作分割方法。通过融... 详细信息

基于聚类的无监督动作分割方法主要利用序列中相邻帧之间的结构相似性来提高动作分割的准确性。这在实现动作片段内部一致划分的同时给不同动作边界的准确分割带来隐患。为此提出了一种基于多图融合约束矩阵分解的动作分割方法。通过融合序列中的结构相似性和度量相似性信息构造多图融合约束项,融入到半非负矩阵分解中获得序列的低维表示,进而获得序列的k近邻图并利用图割的方法实现准确分割。在两类动作序列上的实验表明,所提方法在保持动作内部一致划分的同时能够准确划分动作边界,明显提升了分割准确性,时间效率也明显提升。

关键词：动作分割聚类半非负矩阵分解多图融合约束结构相似性度量相似性低维表示 k近邻图

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于图卷积网络的深度学习点云分类模型

激光与光电子学进展 2019年第21期56卷 48-52页

作者：王旭娇马杰王楠楠马鹏飞杨立闯河北工业大学电子信息工程学院

PointNet是三维点云分类中具有代表性的研究成果,该模型开创性地利用深度学习模型对点云进行分类,取得了较好的效果。但是PointNet模型只考虑点云的全局特征而忽略每个点的局部信息,为弥补这个缺陷,提出基于图卷积网络的点云分类模型。... 详细信息

PointNet是三维点云分类中具有代表性的研究成果,该模型开创性地利用深度学习模型对点云进行分类,取得了较好的效果。但是PointNet模型只考虑点云的全局特征而忽略每个点的局部信息,为弥补这个缺陷,提出基于图卷积网络的点云分类模型。在PointNet模型中插入一个kNN graph层,通过在点云空间构造k近邻图,利用图结构有效地获取点云的局部信息,从而提高整体点云分类准确率。分类实验在ModelNet40数据集上进行,对比不同近邻值k对输出精度的影响,结果表明在k取20时,分类准确率最高,达到了93.2%,比PointNet高4.0%。

关键词：图像处理三维点云分类深度学习图卷积网络 k近邻图

在线全文

学校读者我要写书评

暂无评论

迭代的图变换匹配算法

中国图象图形学报 2014年第5期19卷 723-729页

作者：李婷婷汤进江波罗斌徐立祥安徽大学计算机科学与技术学院合肥230601 安徽省工业图像处理与分析重点实验室合肥230039

目的图像的精确匹配在图像处理与识别中起着重要的作用。为了提高图像的匹配效果,提出了一种迭代的图变换匹配算法来实现误匹配关系的去除从而提高图像的匹配精度。方法首先利用传统的图变换匹配(GTM)算法从初始匹配关系集合中获得较为... 详细信息

目的图像的精确匹配在图像处理与识别中起着重要的作用。为了提高图像的匹配效果,提出了一种迭代的图变换匹配算法来实现误匹配关系的去除从而提高图像的匹配精度。方法首先利用传统的图变换匹配(GTM)算法从初始匹配关系集合中获得较为精确的匹配关系子集;然后,利用已经获得的正确匹配点集与初始匹配点集之间的几何关系对初始匹配进行修正;最后,利用GTM对修正后的匹配关系进一步优化,从而得到更多的精确匹配关系。结果实验结果显示在不同的图像变换场景下,相比于传统GTM算法,该算法具有较高的查全率。结论所提算法能够克服传统GTM算法所得正确匹配关系少的缺陷。

关键词：图变换匹配图像匹配 k近邻图几何约束

在线全文

学校读者我要写书评

暂无评论

轻量级的三维点云识别方法

计算机工程与设计 2021年第10期42卷 2931-2937页

作者：欧阳宁陆兆能林乐平桂林电子科技大学认知无线电与信息处理省部共建教育部重点实验室广西桂林541004 桂林电子科技大学信息与通信学院广西桂林541004

针对当前三维点云识别方法存在时间和空间复杂度较高的问题,提出一种轻量级的三维点云识别方法。使用最远点采样法从原始点云中获取采样点,在采样点处构建k近邻图来有效获取点云的局部结构信息,大幅度降低网络的计算复杂度;使用注意力... 详细信息

针对当前三维点云识别方法存在时间和空间复杂度较高的问题,提出一种轻量级的三维点云识别方法。使用最远点采样法从原始点云中获取采样点,在采样点处构建k近邻图来有效获取点云的局部结构信息,大幅度降低网络的计算复杂度;使用注意力机制突出局部区域不同k近邻点的重要性,达到增强局部结构特征的目的;利用分组卷积提取高层次的局部结构特征的同时减少卷积层的参数量。在保证较高的识别准确率的前提下减少全连接层的参数量。在ModelNet40数据集上的实验结果表明,该方法的识别准确率达到同等或更优水平,网络模型的参数量得到大幅度减少,训练时间和测试时间更短,同时保持较高的鲁棒性。

关键词：三维点云识别 k近邻图最远采样法注意力机制分组卷积轻量级

在线全文

学校读者我要写书评

暂无评论

面向GPU的快速近似最近邻搜索研究

面向GPU的快速近似最近邻搜索研究

作者：王辉厦门大学

学位级别：硕士

近似最近邻搜索在信息检索、数据挖掘和人工智能等领域中起着基础性作用。近年来,随着各个领域数据量的爆炸式增长,在大规模、高维度数据集下进行高效的最近邻搜索变得越来越重要。与此同时,GPU凭借其强大的并行计算能力开始在各个领域... 详细信息

近似最近邻搜索在信息检索、数据挖掘和人工智能等领域中起着基础性作用。近年来,随着各个领域数据量的爆炸式增长,在大规模、高维度数据集下进行高效的最近邻搜索变得越来越重要。与此同时,GPU凭借其强大的并行计算能力开始在各个领域中展露出明显的优势。然而,由于GPU与CPU的硬件架构差异,大部分算法无法直接受益于GPU的并行计算能力。因此,对面向GPU的最近邻搜索的研究有着重要的现实意义。在各种类型的最近邻搜索算法中,基于图的搜索算法因其稳定、高效且高质量的搜索表现,在学术界和工业界中越来越引人注目。本论文为GPU端基于图的算法中的索引构建和图上搜索两部分分别提出了优化方法。首先,在基于图的最近邻搜索中,建立索引图是一个必要的步骤。然而,索引图构建往往十分耗时,特别是在数据规模较大且高维的情况下。本论文重新设计了经典近似k近邻图构建算法NN-Descent的各个步骤,提出了 GNND(GPU-based NN-Descent)算法以充分利用GPU的并行计算能力构建近似k近邻图。实验表明,GNND构建k近邻图的速度比其它基于GPU的先进算法要快3.5到5倍。另外,本论文以基于GPU的k近邻图合并算法为基础,给出了单张GPU环境下快速构建十亿规模高质量k近邻图的解决方案。此外,对于图上搜索的部分,本论文提出了二阶段图散化策略对k近邻图中的边进行裁剪,其平衡了搜索过程的宽度和深度,显著提高了搜索在CPU和GPU环境下的性能,相比于其它先进的索引图,搜索性能提升最高可达30%。该策略生成的索引图TSDG(two-stage diversified graph)允许搜索算法动态决定每一轮迭代需要访问的结点数,可以更好地适应不同场景的搜索需求。除此以外,本论文将GPU环境下的搜索场景分为小批量查询和大批量查询,针对其各自特点,分别提出了高效的搜索算法。相比于其它先进的算法,本工作在小批量查询情况下搜索性能最高可提升10倍左右,大批量查询情况下搜索性能最高可提升40%左右。

关键词：大数据最近邻搜索 k近邻图 GPU 高维数据