期刊
  出版年
  关键词
结果中检索 Open Search
Please wait a minute...
选择: 显示/隐藏图片
1. 车联网环境下基于节点认知交互的路由算法
樊娜, 朱光源, 康军, 唐蕾, 朱依水, 王路阳, 段嘉欣
计算机应用    2019, 39 (2): 518-522.   DOI: 10.11772/j.issn.1001-9081.2018061256
摘要480)      PDF (799KB)(336)    收藏
针对车联网(IoV)环境下消息传输效率低下、网络资源开销较大等诸多问题,提出一种适用于城市交通场景下基于车辆节点认知交互的路由算法。首先,依据信任理论提出节点认知交互度的概念,并在此基础上对车联网中的车辆节点进行分类,赋予它们不同的认知交互度初值;同时还引入车辆节点交互时间、交互频率、车辆节点物理间隔距离、间隔跳数以及消息生存时间等影响因子,进而构建了车辆节点认知交互评估模型。基于该模型计算并更新节点的认知交互度,并通过比较对应车辆节点间的认知交互度值来选取认知交互度相对较高的邻居节点作为中继节点进行消息转发。仿真实验结果表明,与Epidemic和Prophet路由算法相比,所提路由算法有效提高了消息投递率并降低了消息投递时延,同时显著降低了网络资源的开销,有助于提升车联网环境的消息传输质量。
参考文献 | 相关文章 | 多维度评价
2. 基于图论的边缘提取方法
张宁波, 刘振忠, 张昆, 王路路
计算机应用    2016, 36 (8): 2301-2305.   DOI: 10.11772/j.issn.1001-9081.2016.08.2301
摘要357)      PDF (956KB)(293)    收藏
针对传统边缘方法提取的边缘具有不连续、不完整、倾斜、抖动和缺口等问题,提出基于图论的边缘提取方法。该方法视像素为节点,在水平或垂直方向上连接两个相邻的节点构成一个边,从而将图像看作无向图。它包括三个阶段:在像素相似性计算阶段,无向图的边上被赋予权值,权值代表了像素间的相似性;在阈值确定阶段,将所有权值的均值(整幅图像的相似度)确定为阈值;在边缘确定阶段,只保留权值小于阈值的水平边的左边节点与垂直边的上边节点,从而获得了图像的边缘。实验表明,该方法适用于具有明显目标与背景的图像的边缘提取,能够克服不连续、不完整、倾斜、抖动和缺口等缺陷,并且对Speckle噪声和高斯噪声具有抗噪性能。
参考文献 | 相关文章 | 多维度评价
3. 基于视觉显著性和超像素融合的物体定位方法
邵明正, 齐剑锋, 王希武, 王路
计算机应用    2015, 35 (1): 215-219.   DOI: 10.11772/j.issn.1001-9081.2015.01.0215
摘要577)      PDF (800KB)(499)    收藏

针对选择性搜索算法所需定位窗口数量过多的问题,提出了一种基于视觉显著性和超像素融合的改进方法.首先,利用视觉显著性图像粗略估计物体的位置;然后,从这些初始位置开始,根据图像的表观特征融合相邻超像素,并引入一种背景分析方法以避免过度融合;最后,利用贪心算法将融合后的区域再进行组合,并生成最终的定位窗口.在Pascal VOC 2007数据集上的实验结果表明,与选择性搜索方法相比,在同样的检测标准下(查全率为0.91),改进后的方法所使用的窗口数量减少了20%,而重叠率达到了0.77.该方法由粗到细地进行物体定位,在定位窗口数量较少的情况下仍能保持较高的重叠率和查全率.

参考文献 | 相关文章 | 多维度评价
4. 机会网络中基于定向数据传输的地理路由算法
任智 王路路 杨勇 雷宏江
计算机应用    2014, 34 (1): 4-7.   DOI: 10.11772/j.issn.1001-9081.2014.01.0004
摘要537)      PDF (724KB)(1137)    收藏
机会网络基于方向的地理路由(DIG)算法存在数据分组传输时延偏大以及成功率偏低的问题,这是由于DIG算法使数据在缓存中的等待时间过长且不能有效保证携带数据的节点向目的节点方向移动,针对该问题,提出了基于定向数据传输的地理路由(GRDDT)算法。该算法采用了一种新的数据转发机制并且更加有效地利用邻居表信息,有效避免了以上情形的出现,从而达到降低数据分组传输时延并提高成功率的目的。OPNET仿真实验结表明,与DIG算法相比,GRDDT算法在传输时延和数据传输成功率等方面的性能均得到提高。
相关文章 | 多维度评价
5. 光照鲁棒的Mean Shift跟踪方法
王路 阳琳赟 卓晴 王文渊
计算机应用   
摘要1742)      PDF (495KB)(1163)    收藏
针对Mean Shift跟踪方法存在的光照不稳定问题,提出了一种光照鲁棒的Mean Shift跟踪方法。该方法采用颜色特征和局部二元模式特征(Local Binary Pattern)两种特征相结合来描述目标,其中局部二元模式特征的光照不变性使得目标模型更加鲁棒。同时,为了避免原始Mean Shift跟踪方法中bin-to-bin度量带来的不稳定性,该方法采用了一种新的cross-bin度量,该度量更好地融合了多层次的特征信息,使得光照变化下的特征匹配更加稳定。实验表明,该方法在光照变化情况下能取得比原始Mean Shift跟踪方法更好的性能。
相关文章 | 多维度评价
6. 不均衡数据集学习中基于初分类的过抽样算法
韩慧 王路 温明 王文渊
计算机应用   
摘要1552)      PDF (754KB)(1024)    收藏
为了有效地提高不均衡数据集中少数类的分类性能,提出了基于初分类的过抽样算法。首先,对测试集进行初分类,以尽可能多地保留多数类的有用信息;其次,对于被初分类预测为少数类的样本进行再次分类,以有效地提高少数类的分类性能。使用美国加州大学欧文分校的数据集将基于初分类的过抽样算法与合成少数类过抽样算法、欠抽样方法进行了实验比较。结果表明,基于初分类的过抽样算法的少数类与多数类的分类性能都优于其他两种算法。
相关文章 | 多维度评价