固定资产清查是高校、企事业、科研院所等的一项例行性工作,资产清查过程中一般要求对固定资产拍照存档。资产清查收集到的资产图片保存至文件夹,其中有成千上万张资产图片,需要从中挑出来一部分资产图片丢弃,且需要被挑出来的资产有图有真相地存放在其它文件夹,同时2个文件夹中资产图片文件名、清晰度、大小等均不一,针对如何快速完成这个图片文件挑选过程,文中提出一种基于颜色直方图的资产图片相似度统计核对算法,并对其过程进行了验证,证明了算法的有效性。 法验证过程处理的运行界面如图1所示。图1资产核对界面Fi颜色直方图是在许多图像检索系统中已获得广泛采用的颜色特征，算法简单方便，经过多次试验，如图1中相似度为0的情况，是由于2个资产的色调高度相同所致，所以研究将最高阈值设置为大于等于0．99999999，资产图片核对算法-电动数控滚圆机滚弧机张家港电动液压滚圆机滚弧机即只有相似度到达这个数值，才会判定为是2个相同的资产。阈值的设定需要自定义。实验模拟从16张资产图片中挑选出7张，相似度计算数值如图2所示，可见其中有一张相似度近似为1满足丢弃的要求。图2资产核对相似度Fi资产图片相似度计算过程耗时则如图3所示本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name。图3资产核对相似度计算耗时e4结束语文中针对国有资产清查事件中遇到的图片核对过程工作量大等特点，设计提出了基于颜色直方图相似度计算的资产核对算法。首先分析探讨颜色直方图的基础算法原理，而后论述了文中研发的算法流程和实现过程，最后则对算法的应用进行了有效性验证。虽然颜色直方图算法简单、应用普遍，也高效达成了预期研究指定的资产清查图片核对的任务内容，但是相似度计算过程表现出耗时长的特点，这是接下来可以进一步研究和改进的方向。参考文献?实现过程中即需要消耗更多的处理时间。而算法WFP－SW在挖掘过程中，WE－tree仅需存储加权频繁模式信息，对于不频繁模式则免于存储，因此所需的内存更少。同时，图7又研究指出了WFP－SW算法的查全率(Ｒecall)和查准率(Precision)都要优胜于WIT－FWI算法的方针结果。图7算法WFP－SW和WIT－FWI挖掘效果比较Fi结束语已有研究表明，仅仅通过模式的频度挖掘会引起数据丢失，而数据流加权频繁模式挖掘能提炼得到更富有价值的信息。为此，本文提出了一种基于滑动窗口模型的数据流加权频繁模式挖掘算法WFP－SW。算法采用枚举树WE－tree结构通过维护Tid列表计算模式加权支持度，列表间的交集获得更高层的模式信息;通过虚权维持WE－tree的向下闭合特性防止信息丢失。大量的仿真实验表明，WFP－SW算法有较低的运行时间，并且所需的内存也将会更少。资产图片核对算法-电动数控滚圆机滚弧机张家港电动液压滚圆机滚弧机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name