简介：在传统的图像块分类方法中,利用局部方差可以将图像块划分为平滑块和非平滑块,但是对于非平滑块中包含的边缘块和纹理块,则不能有效进行区分。针对这一问题,提出一种基于结构稀疏度的图像块分类方法,根据图像块与其邻域的其余图像块之间的相似程度对图像块的局部特征进行辨识。仿真实验结果表明,该方法可以对平滑块、边缘块,以及纹理块进行有效区分。
简介：为更好地适应大规模社会网络数据的应用要求,提出一种基于局部模块度的增量式动态社区发现算法。把对起始时间的社会网络执行静态社区发现获得的社区结构和局部模块度作为增量分析的基础,把局部模块度作为优化的条件,使用四种原子操作,逐步演化社区结构。使用社区结构的局部信息,提高了算法的运行效率。避免了设定参数的条件,提高了算法的适应性。实验结果表明,该算法具有一定的实际应用价值。
一种基于结构稀疏度的图像块分类方法
一种基于局部模块度的增量式动态社区发现算法
