摘要:为了有效利用已标记与未标记样本提高高光谱遥感影像分类精度,提出一种新的半监督流形学习方法——半监督稀疏鉴别嵌入算法(SSDE)。该算法结合了近邻流形结构及稀疏性的优点,不仅保留样本间的稀疏重构关系,而且通过引入少量有标记的训练样本以及大量无标记训练样本来获得高维数据的内在属性以及低维流形结构,实现鉴别特征提取,提高分类精度。在Washington DC Mall和Indian Pine数据集上的分类识别实验表明,该算法能够较为有效地发现高维空间中数据的内蕴结构,分类性能比其他算法有明显的提升。在随机选取8个有类别标记和60个无类别标记的数据作为训练样本的情况下,本文提出的SSDE算法在上述两个数据集上的分类精度分别达到了77.36%和97.85%。
摘要:为了使立体视频中的比特分配更加符合人眼视觉感知特性,提出了一种非对称质量的立体视频编码码率控制算法。首先,建立了左右帧的码率分配比例与量化参数差值之间的立体指数RRQ(Rate-ratio Quantization)模型。然后,将码率控制算法分为SGOP(Stereoscopic Group of Pictures)层、立体图像对层和帧层等3个码率控制层。在SGOP层计算每个SGOP的目标码率和关键帧的量化参数;在立体图像对层根据剩余比特数和缓冲区饱和度计算每个立体图像对的目标比特;在帧层则通过分析双目视觉掩蔽效应,用一种适合于立体视频的率失真优化方法合理分配左右帧的目标码率。实验结果表明,本文算法的码率控制偏差平均值为0.21%;立体视频客观质量比对称质量算法和Wang的算法分别提高了0.23 dB和0.06 dB,且质量波动较为稳定。因此,该算法基本满足网络带宽传输要求。由于充分利用了人眼双目视觉特性,可满足人们对立体视频的视觉需求。
摘要:提出了一种基于图着色法的无线传感器网络分布式链路调度(DLS)协议以减小调度周期长度、降低网络能耗。采用的策略是先对任意节点构建两跳邻居范围内的冲突图,然后根据每条链路在干扰图中的优先级及干扰度决定时隙分配的先后顺序,从而解决传统随机调度方法调度周期较长及节点状态转换频繁的问题。由于该调度策略尽可能地为节点分配相邻时隙,减少了节点不必要的状态转换,从而降低了网络能耗。对基于干扰度和优先级的联合调度策略表现出的减小调度周期长度、降低网络能耗的特点进行了分析。网络仿真结果表明,DLS协议比DS-fPrIM(Distributed Scheduling-fixed Power Protocol Interference Model)及DRAND(Distributed RANDomized time slot sceduling)协议的调度周期长度少1~2个时隙,其能耗与DS-fPrIM协议的调度能耗相当,但二者都比DRAND协议的调度能耗低。另外DLS协议比DS-fPrIM及DRAND协议平均每周期少1次状态转换,说明提出的分布式链路调度协议能效较高。