检索结果

Select

1. 融合 K-shell和标签熵的重叠社区发现算法

陈晶, 刘江川, 魏娜娜

《计算机应用》唯一官方网站 2022, 42 (4): 1162-1169. DOI: 10.11772/j.issn.1001-9081.2021071183

摘要（329）

HTML （12）

PDF （616KB）（85）

针对标签传播算法稳定性不足、准确性较差的问题，提出了融合K-shell和标签熵的标签传播重叠社区发现算法OCKELP。首先，采用K-shell算法减少了标签初始化时间，并利用标签熵的更新序列提高了算法的稳定性；其次，引入综合影响力进行标签选择，并将社区层次信息和节点局部信息融合提高了算法的准确性。在真实网络数据集上，OCKELP相较于重叠社区发现算法（COPRA）、基于多核心标签传播的重叠社区识别方法（OMKLP）、SLPA的模块度最大提升分别约68.64%、53.99%、42.29%，在人工网络数据集的归一化互信息（NMI）值上，OCKELP相较于其他三种算法也有着明显优势，且随着重叠节点隶属社区数量的增加可以挖掘出社区的真实结构。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于UPF的小目标检测前跟踪算法

高山毕笃彦魏娜

计算机应用 2009, 29 (08): 2060-2064.

摘要（1296）

PDF （643KB）（1256）

为提高对复杂环境下小目标的联合检测和跟踪性能，提出了一种基于粒子滤波的小目标先跟踪后检测（TBD）算法。通过粒子滤波对小目标的运动状态和出现状态进行联合采样，并采用Unscented粒子滤波（UPF）方法对TBD算法进行了具体实现。新算法真正将跟踪思想引入到目标检测中去，对小目标的联合检测与跟踪具有灵敏度高，捕获概率和跟踪性能高，对采样粒子数要求低等优点，能有效增强红外搜索与跟踪系统的“边检测边跟踪”能力。

相关文章 | 多维度评价

Select

3. 基于SACON背景模型的人体检测与跟踪

高山毕笃彦魏娜

计算机应用 2009, 29 (06): 1669-1672.

摘要（1232）

PDF （597KB）（1190）

提出了一种基于抽样一致性(SACON)的背景模型。采用七种典型视频序列进行了实验,SACON背景模型较目前常用五种背景模型具有较高的准确性,适用于复杂场景下的目标检测与跟踪。应用于人体检测与跟踪时,将目标作为非刚性物体进行处理,结合颜色和空域信息建立一种新的目标外观模型。实验证明,该方法能较准确的描述人体特征,即使在有遮挡、颜色相近及小目标等情况下也均能准确的对人体目标进行检测和跟踪。