摘要：现实中很多场景都需要精确的颜色表示,如纺织、印刷、艺术品扫描存档、在线商品展示等。光谱反射率是决定物体颜色的本质属性,如果知道了光谱反射率,就可以重现物体在任何光照和观测条件下的颜色。采用专业仪器测量光谱反射率有成本高、分辨率低、测量时间慢等问题。随着数码成像设备的普及,基于相机RGB响应值的光谱反射率重建算法具有重要现实意义。光谱反射率重建的目的是建立低维RGB响应值到高维光谱反射率向量的映射关系,回归方法在这一领域已取得广泛应用。由于光谱反射率向量所处的空间是嵌在高维欧氏空间中的一个低维子流形,在训练样本有限的条件下,传统的全局回归方法不能有效地学习该流形结构,往往导致过拟合,使得学习出来的模型泛化能力较差。局部线性回归方法虽然可以改善全局回归过拟合的问题,但是局部学习方法易受例外点的影响,导致拟合不足。针对这一问题,提出一种基于局部加权线性回归的光谱反射率重建方法,这种方法在一个k最近邻范围约束内,给每个局部训练样本赋予不同的权重,从而有所侧重地利用局部训练样本来估计光谱反射率。实验结果表明,基于局部k最近邻加权线性回归的方法能更有效地利用局部信息,缓解过拟合和拟合不足,更准确地重建光谱反射率。

摘要：为了有效监测采集链路,清晰呈现监测结果,设计了基于物联网的电力计量主站采集链路监测方法。利用无线传感器采集电力计量主站各环节采集链路的相关信息,并对信息进行预处理,通过主成分分析法提取链路相关信息特征,利用k最近邻分类算法分类识别降维后的特征信息,完成采集链路状态监测。实验结果表明:该方法可精准监测采集链路状态,数据更新速率较快,输出监测结果清晰度高。

摘要：随着人们生活水平的提高,越来越多的消费者更加注重所购产品的质量,特别是在儿童玩具方面。质量不合格的玩具产品会给儿童带来诸多影响,包括但不限于安全隐患及对儿童健康产生的影响。然而,工业制造中的产品质量检测报告种类繁多且不易被理解,无法直观体现产品质量。因此,文章提出了一种基于Word2Vec与k最近邻分类算法相结合的产品质量评估模型。该模型能够通过产品质量报告对某玩具进行评估,从而判断其质量。实验结果表明,在数据集尺寸达到900时,k均值聚类算法模型、局部加权最近邻算法模型和混合模型算法模型的准确率分别为0.84,0.91与0.96,损失函数值分别为0.07,0.05及0.03,证明所提模型能够对玩具产品进行准确评估,从而为消费者和质量监管部门提供一定的决策支持。

摘要：针对曲面形变方法计算复杂度高、曲线形变方法中忽视非局部信息的关联性、没有考虑位置与法向之间的几何一致性等问题,提出一种同时建模局部与非局部信息的图卷积层,且设计了引入位置与法向几何约束的几何辅助预测模块.首先采用k最近邻算法和注意力机制相结合的图卷积层对局部和非局部信息进行挖掘,预测空间中点的位置和法向信息;然后将预测得到的点的位置输入几何辅助预测模块,利用几何一致性约束计算得到几何法向信息;最后将得到的几何法向信息与图卷积网络预测得到的法向信息融合,再次通过图卷积网络进行形变预测,得到最终形变预测结果.在876个样本的自建颈缘线数据库上的实验结果表明,相比于其他主流方法,所提方法在均方误差度量上降低了16.7%.

摘要：灰度图像彩色化技术需要人工交互来完成彩色化优化过程,针对现有的方法只注重彩色化的效果而忽略算法的执行效率,严重影响了用户的交互体验的问题,充分利用GPU的高性能并行优势,提出基于GPU加速的近实时图像彩色化方法.在预处理阶段,运用基于图像块纹理特征的Patch Match算法在全局图像空间高效地查找每个像素的k最近邻,并提出基于压缩表示的对称稀疏矩阵并行构造算法来保证着色线条的颜色在图像近邻像素之间的对等传播;在用户交互阶段,根据用户输入构建能量函数,并运用并行共轭梯度法计算出彩色图像的颜色.实验结果表明,该方法不但能生成高质量的图像彩色化效果,而且图像彩色化过程具有近实时性的处理性能.

摘要：针对行程时间点预测不能描述预测结果的可信度问题,以高速公路收费系统作为基础数据源,提出基于Bootstrap的高速公路行程时间区间预测模型,通过范围概率(PICP)、预测区间平均宽度(MPIW)以及综合指标(CWC)反映区间预测性能.对预测模型建模和Bootstrap置信区间估计方法两个关键步骤进行分析和实证,比较小波神经网络和k最近邻两种常用数据驱动方法的预测误差,并分析4种Bootstrap置信区间估计方法的区间预测性能.在相同的置信水平下, Percentile Bootstrap-kNN模型的综合指标值CWC最小,说明该模型区间预测性能最佳.对陕西省高速公路某热点OD进行实例分析,结果表明,采用相同预测算法的区间预测比点预测的误差小,且预测区间宽度可以表征预测结果的可信度和参考价值.

摘要：k最近邻孤立点检测算法的检测结果受用户设置参数的影响较大,并且无法判定孤立点强弱,针对该缺陷,引入阈半径和密集度阈值,提出基于最近邻距离差的孤立点检测算法。通过在多个数据集上的实验表明,改进算法扩大了参数的设置范围,降低了参数对结果的影响,并能够有效检测出强孤立点,用户通过调整密集度阈值,可以判定孤立点强弱,改进算法增强了原算法的稳定性和灵活性。

摘要：针对基于多类任务的运动想象脑电信号的特点,使用共空间模式特征提取方法分别在"一对一"和"一对多"2种特征提取方法下提取了4类任务(想象左右手、双足以及舌头)运动想象脑电信号的特征。设计了基于多类任务模式的k最近邻分类器,针对多类任务分类过程中会出现不同类别的样本点数相等的情况,通过判断距离的方法改进了分类器,对2种特征提取方法下的共空间模式特征进行分类,分类结果的平均最大kappa系数分别达到了0.55和0.59,说明了该特征提取及分类方法对该数据集的有效性。

摘要：为缓解道路的交通压力,减少道路拥堵现象的出现及避免交通事故的发生,结合安全、k最近邻(kNN)算法,提出了一种基于智能交通的隐私保护道路拥堵状态的实时监测(PPIM)算法。为了确保交通数据的安全,采用安全多方计算策略将数据内容随机分成独立的部分,通过不共谋的多服务器对数据分量进行存储和加密。为了提升道路状态监测的精度,提出了一种改进型的kNN交通监测算法,借助数据的相似度计算,获取衡量道路之间交通状态关系程度的相关值,并将其作为权重系数与传统的kNN算法进行整合。为加快密态数据的处理速度,设计了一系列的数据安全计算协议,实现了数据的安全处理。另外,利用真实的交通数据对该算法进行验证,实验结果表明改进型kNN算法有助于提高道路监测的准确度。实验分析表明,所提算法在保证数据的安全同时可以提高交通监测的精度。

摘要：聚类在电网客户大数据分析中发挥着重要作用,随着我国《数据安全法》的颁布,如何在电力客户数据聚类中兼顾数据隐私和聚类质量,成为亟待解决的难点。针对已有的基于差分隐私的k-means聚类方法难以兼顾数据隐私与聚类质量问题,提出距离加噪扰动方法,通过提取数据距离并向距离数值添加满足差分约束的噪声,构建加噪矩阵,实现数据距离隐私保护;设计基于加噪矩阵的kq-means聚类方法,引入k最近邻概念,设计聚簇划分策略,将数据记录分配到距其最近的若干个中心点的期望区间,减小多轮迭代过程中差分噪声累积产生的聚类误差,从而支撑保护客户数据隐私的电网客户数据聚类。