iosr-JCE Volume-11 ~ Issue-3

文摘:全加法器电路是数字信号处理(DSP)体系结构、微处理器、微控制器和数据处理单元等应用中的重要组成部分。本文讨论了全加法器电路在低功耗、高速度方面的发展。从最传统的28晶体管全加法器开始，然后逐渐研究由8个晶体管组成的全加法器。我们还包括一些最流行的全加法器单元，如动态CMOS[9]，双轨道多米诺骨牌逻辑[14]，静态能量回收全加法器(SERF) [7] [8]， Adder9A, Adder9B，基于GDI的全加法器。

关键词:CMOS传输门(TG)，通型晶体管逻辑(PTL)，互补型通型晶体管逻辑(CPL)，栅扩散输入(GDI)，静态能量回收全加法器(SERF)，动态CMOS (D CMOS)，双轨道domino逻辑(DRD)， Adder9A, Adder9B，基于GDI的全加法器功率，延迟，通道长度。

[1]钱德拉卡桑，R.布罗德森，“低功耗设计”，克鲁威学术出版社，1995年。

[2] A. M. Shams和M. A. Bayoumi， -一种新型高性能CMOS 1位全加法器单元‖，IEEE电路与系统汇刊，第47卷，NO. 1。2000年5月5日。

J. H. Kang和J. B. Kim， -低功耗CVSL全加法器的低摆技术设计‖，ICSE2004 Proc. 2004，吉隆坡，马来西亚。

A. A. Khatibzadeh和K. Raahemifar， -基于标准静态CMOS逻辑的全加法器单元的研究与比较。‖，IEEE CCECE 2004 -CCGEI 2004，尼亚加拉大瀑布，2004年5月。

S. M. Kang和Y. Leblebici， -CMOS数字集成电路:分析与设计‖，第三版，塔塔McGraw-Hill版2003，第307-316页。

[6] A. Morgenshtein, A. Fish和A. Wagner， -栅扩散输入(GDI):数字组合电路的节能方法‖，IEEE Trans。超大规模集成系统。，第566-581页，2002年10月。

[7] I. Hassoune, D. flandre, I. O'Connor和J. D. Legat， -ULPFA:一种新的功率感知全加法器的高效设计‖，IEEE电路与系统汇刊I-5438, 2008。

[8] R. Zimmermann和W. Fichter， -低功耗逻辑样式:CMOS与通型晶体管逻辑，‖IEEE J.固态电路，第32卷，1997年7月，第1079-90页

[9] N. Weste和K. Eshraghian， - VLSI设计原理，系统视角‖，Reading, MA: Addison-Wesley, 1993。

[10]庄楠楠，吴海华，- CMOS全加法器的新设计‖，IEEE J.固态电路，第27卷，no. 1。5页。1992年5月840-844号

文摘:将流量通过多条路径路由称为多路径路由。为了克服干扰问题，在多径源路由领域进行了大量的研究。存在许多干扰感知方法。本文利用NS2对[1]干扰感知概念进行了实证研究。此外，本文还探讨了在相关变量间相关性的网络内推断方面放宽[1]假设的可能性。在此实现中，源节点根据节点上的干扰细节感知将流量分配到可用路径。实际实现利用[1]中所探讨的投资组合选择，并尝试探索估计随机变量之间相关性的网络内推断。用于实现这一目标的算法确保所有可用路径都得到最佳利用，而不会出现拥塞，同时最大限度地提高吞吐量。仿真结果表明，该网络能够进行干扰感知的流量分配。

索引词-多路径源路由、流量分配、干扰、优化和网内推理。

Patrick Tague, Sidharth Nabar, James A. Ritcey和Radha Poovendran，“基于组合选择的多路径路由干扰感知流量分配”，IEEE/ACM网络TRANSACTIONS ON NETWORKING, VOL. 19, NO. 1。2011年2月1日。

R. Anderson，《安全工程:构建可靠分布式系统指南》。JohnWiley&Sons, Inc ., 2001年。

[3] J. Bellardo和S. Savage，“802.11拒绝服务攻击:真正的漏洞和实用的解决方案”，见Proc. USENIX安全研讨会，华盛顿特区，2003年8月，第15-28页。

D. J. Thuente和M. Acharya，“应用于802.11b和其他网络的无线网络中的智能干扰”，载于第25届thieee通信学会军事通信会议(MILCOM'06)，华盛顿特区，2006年10月，第1-7页。

[5] G. Lin和G. Noubir，“关于数据无线局域网中的链路层拒绝服务”，无线通信和移动计算，第5卷，no. 1。3，第273-284页，2005年5月。

徐伟，马凯，W. Trappe，张勇，“干扰传感器网络:攻击和防御策略”，IEEE网络，第20卷，第1期。3，第41-47页，五月/六月。2006.

[7]梁瑞荣，刘俊杰，潘恩恩，a.l。C. Chan和B. Li，“MP-DSR:无线自组织网络的QoSaware多路径动态源路由协议”，第26届IEEE本地计算机网络年会(LCN'01)，美国佛罗里达州坦帕，2001年11月，第132-141页。

H.马科维茨，“投资组合选择”，《金融杂志》，第7卷，第1期。1，第77-92页，1952年3月。

E. M. Sozer, M. Stojanovic，和J. G. Proakis，“水声网络”，IEEE海洋工程杂志，第25卷，no. 2。1，页72-83,2000年1月。

[10] A. D. Wood和J. A. Stankovic，“传感器网络中的拒绝服务”，IEEE计算机，第35卷，no. 1。10，第54-62页，2002年10月。

文摘:由于人口的自然增长和来自农村地区和小城镇的移民，大多数印度城市的交通需求显著增加。印度人口的快速增长，像其他发展中国家一样，引发了对使用有组织的公共交通系统的更大需求。公共汽车运输自动化越来越重要，因为它可以随时随地提供准确的公共汽车信息，如预订、航空费用、路线信息、公共汽车信息等。本文根据系统的功能划分为六个模块，即信息系统模块、预订系统模块。行政管理系统模块，车队管理系统模块，仓库模块和财务模块。通过对这些模块的设计，构建了一个综合系统，覆盖了公交运输自动化管理系统的各个方面。他们提供有关巴士查询、巴士时间表、巴士展览会、订票、巴士时刻表查询等详细资料。

[1]。S.L Bandarkar Dhanpat Rai & co(编辑)，车辆运输管理。
[2]。G.V Rao Dhanpat Rai & co，运输和公路工程负责人。
[3]。Kumar Gaurav, Swati Agrawal和P.Krishna Reddy，面向基于it的公交信息系统以提高海得拉巴的公交入座率，第七届信息技术国际会议论文集，CIT 2004，海得拉巴，印度，2004年12月。页。
[4]。S.Chaudhuri, Umeshwar Dayal, Vagrant(2001)，决策支持系统的数据库技术，IEEE计算机，48-55页，2001年12月。
[5]。德里运输公司。http://dtc.nic.in

文摘:在组织的反馈分析中，组织希望生成基于组织实体的反馈摘要。然而，对于同一个实体，学生可以用不同的单词和短语来表达。对于一个有意义的总结，这些特定于领域的单词和短语需要分组在同一个实体组下。本文提出了一种基于语义的反馈分析系统，该系统利用语义词汇和组织本体作为基础，借助Jaccard相似度方法对指定实体进行匹配。使用三种不同训练数据集进行的实验结果表明，该方法能够很好地完成任务。

关键字-自然语言处理，本体论，语义词汇，语义分析

Kristina Toutanova,Dan Klein计算机科学斯坦福大学斯坦福，CA 94305-9040 kristina@cs.stanford.edu,klein@cs.stanford.edu Manning (2011)
Mita K. Dalal和Mukesh A. Zaveri国际计算机应用杂志(0975 - 8887)第28卷-第2期，2011年8月。
[3]机器学习情感分析的体验项目Raymond Hsu计算机科学系斯坦福大学hsuray@cs.stanford.eduBozhiSeeElectricalEngineeringDept.StanfordUniversitybozhi@stanford.eduAlanwuElectricalEngineeringDept.StanfordUniversityalanw@stanford.edu发表于2011年。
[4]领域本体反馈分析综述。计算机科学与信息技术国际会议，2013年1月20日，孟买，ISBN: 978-93-82208-56-3。印度那格浦尔Shri Ramdeobaba工程与管理学院计算机科学系教授
[5]基于本体的店内购物情景自然语言处理Sabine Janzen FurtwangenUniversityFurtwangen, Maass Furtwangen universityfurtwangen,Germanywolfgang.maass@hs-furtwangen.de
[6]从评论中提取产品特征和意见，Ana-Maria Popescu和Oren Etzioni，华盛顿大学西雅图计算机科学与工程系，WA 98196 -2350 {amp, Etzioni}@ cs.washing.edu人类语言技术会议论文集和自然语言处理的经验方法会议(HLT/EMNLP)，第339-346页，温哥华，2005年10月。c 2005年计算语言学协会。
[7]大拇指向上还是向下?语义取向应用于评论的无监督分类Peter D. Turney信息技术研究所加拿大国家研究委员会渥太华，安大略省，加拿大，K1A 0R6 peter.turney@nrc.ca计算语言学(ACL)，费城，2002年7月，第417-424页
Rada Mihalcea和Dan Moldovan南卫理dist大学计算机科学与工程系，德克萨斯州达拉斯75275-0122,2000年
Mita K. Dalal和Mukesh A. Zaveri国际计算机应用杂志(0975 - 8887)第28卷-第2期，2011年8月。
[10]预测形容词的语义指向。Vasileios Hatzivassiloglou和Kathleen R.Mckeown于1997年发表。

文摘:银行业正在利用先进的技术与当前的企业行业竞争。技术从ATM机发展到核心银行解决方案。后来的技术革命带来了网上银行、移动银行解决方案。科技在银行业的参与正在改善客户关系，也防止客户排队等候。本文提出直接银行解决方案，以方便客户的“随时随地银行”。

关键词:直接银行，下一代银行，核心银行解决方案，银行交付渠道，无分支银行，SOEA，商业服务。

Ralph Whittle, Conrad Myrick，“企业业务架构:战略和结果之间的正式联系”，白皮书，8月。

K. C. Chakrabarty博士，印度储备银行副行长，会议，银行技术发展与研究所(IDRBT)与印度联合银行合作，孟买，“超越核心银行解决方案-快进到银行2.0”，技术论文，2011年2月18日

Akhil Tandulwadikar，高级研究员，cognant研究中心，“零售银行的创新必要性”，白皮书，2012年

[4]陈徐明，IBM解决方案架构师，洪单建，IBM首席架构师，邵宇，IBM软件工程师，IBM，“web2.0下的下一代银行”，白皮书，2009年12月1日

[5] Infosys Technologies，“Finacle Direct Banking Solution”，白皮书，2012

[6]埃伯哈特;Gausmann o .;Albani, A，《向有意义的互联网系统迁移》，研讨会，第一部分，第763-779页“案例研究——使用面向服务的体系结构自动化直接银行客户服务流程”，技术论文，2006年10月/ 11月

[7] Rajashekara V Maiya，产品经理，Infosys技术有限公司，Infosys技术有限公司，Finacle，“直接存款”，白皮书，2009[8]丹麦银行，“直接银行的特殊条款和条件”，白皮书，2012年11月15日

[9] Shreyas Rao, Sowjanya Lakshmi, Salma Banu，“银行业产品捆绑的需求评估方法”，ISSN: 2278-0661，第3卷，第2期，PP 12-17，发表在IOSR-JCE，技术论文，2012年7月- 8月

杰夫·布朗，德勤咨询公司负责人，大卫·考克斯，研究总监，斯科特·格里菲斯，德勤加拿大高级顾问，尼塔·桑格，德勤咨询公司经理，德隆·韦斯顿，德勤银行解决方案中心高级经理，《零售银行分销的演进模型》，白皮书，2008年

文摘:糖尿病视网膜病变(DR)是一种非常严重和广泛的眼病，可导致糖尿病患者失明。DR致盲的主要原因不是因为它的发病率最高，而是它通常在发生严重视力丧失之前都未被发现。糖尿病视网膜病变的特征是视网膜的改变，包括血管直径的改变、微动脉瘤、脂质和蛋白质沉积以及棉衣斑。这取决于外观，出血和新血管的生长。为了进一步改进DR的检测，提出了一种空间主观模糊聚类方法(SSFC)用于视网膜血管的提取。首先对数字眼底图像进行分割，然后引入SSFC方法并对形状进行数学研究。在形状数学研究中，对数字眼底图像进行平滑和强化处理，以增强视网膜血管，抑制背景信息。然后将空间主观模糊聚类算法应用于增强后的分割图像。在SSFC之后，通过细化过程来降低脆弱边缘噪声，从而得到DR视网膜血管的最终结果。将SSFC方法与现有的金标准数据库、STARE和DRIVE数据集分割方法进行了性能比较。 Performance of Space Subjective Fuzzy Clustering Method is measured in term of segmentation accuracy ratio and clustering efficiency. The approach has been tested on a series of digital fundus images, and experimental results show that our technique is hopeful and effective.

关键字:糖尿病视网膜病变，空间主观模糊聚类，视网膜血管，数字眼底图像，聚类效率，纯化，分割正确率比。

[1]。Balint Antal。以及Andras Hajdu。“基于集成的微动脉瘤检测和糖尿病视网膜病变分级系统”，IEEE生物医学工程学报，2010
[2]。阿卡拉Sopharak。， Bunyarit Uyyanonvara。，和Sarah Barman，“使用数学形态学方法从非扩张型糖尿病视网膜病变视网膜图像中自动检测微动脉瘤”，IAENG国际计算机科学杂志，2011
[3]。Parisut Jitpakdee。，巴基斯坦人aimanee。， Bunyarit Uyyanonvara。，“糖尿病视网膜病变视网膜图像中出血检测的研究”，第1期，2012年
[4]。安德森罗查。蒂亚戈·卡瓦略。赫伯特·f·耶利内克。，西ome Goldenstein。和雅克·维纳。“自动视网膜病变检测的兴趣点和视觉词典”，IEEE生物医学工程学报，2012
[5]。Keerthi Ram。， Gopal Datt Joshi。以及Jayanthi Sivaswamy。“一种基于连续杂波排斥的糖尿病视网膜病变早期检测方法”，IEEE生物医学工程学报，2010
[6]。西蒙Barriga。，“糖尿病视网膜病变筛查的混合自上而下方法”，2011年
[7]。Lingfeng。，陈忠平。，“三维视网膜和脉络膜血管成像的多普勒方差成像，”生物医学光学杂志，2010
[8]。N.文卡塔·克里希纳。， N.文卡塔·希瓦·雷迪。，文卡塔·拉玛纳。， E. Prasanna Kumar。“基于彩色眼底图像的微动脉瘤早期检测和糖尿病视网膜病变分级的公共系统”，国际科学工程与技术杂志(ISSN: 2277-1581) 2013年第2卷第4期
[9]。Ragav Venkatesan以后。， Parag Chandakkar。，李保新。和海伦·k·李。“基于颜色相关图特征的多类多实例学习的糖尿病视网膜病变图像分类”，2012
[10]。妮娜辛格。，拉梅什·钱德拉·特里帕蒂。“基于图像分析技术的糖尿病视网膜病变早期自动检测”，《国际计算机应用杂志》(0975 - 8887)，2010年第8卷第2期

文摘:图像底层特征内容在基于内容的图像检索中起着非常重要的作用。图像较低的特征内容是颜色、纹理和形状。Shape查找数据库中存储的对象的异常值。图像检索被广泛应用于多媒体、医学、网络技术等领域。查询图像与检索图像结果之间的语义差距。本文提出了一种基于链码和DFS树的混合形状匹配技术。链码是边界结构检测的重要方法，而DFS是一种图搜索技术。本文将边界模式检测方法与目标匹配方法相结合。利用DFS技术实现了链码定边值的绝对检测。

关键词:形状匹配，特征描述符，链码，DFS

1]徐耀武，薛晓明，张晓明，‖基于子矩阵匹配的局部形状识别方法
标签‖模式识别38 (2005)1560 - 1573
张登生鲁国军‖数字图像计算中三种区域形状描述符‖的比较研究
技术与应用，2002年1月21-22日
Sanjoy K. Saha, Amit K. Das, Bhabatosh Chanda‖基于索引和相关性反馈‖的图像检索模式
表彰函28 (2007)357-366
[4]张登生，陆国军‖多媒体系统中MPEG-7形状描述符与其他形状描述符的比较
斯普林格出版社2003年版
[5] Lili Ayu Wulandhari, Habibolah Haron，‖链码方案的演变与趋势‖ICGST-GVIP, ISSN 1687-398X，
2008年10月第(8)卷(III)期
[6] Naif Alajlan_， Mohamed S. Kamel, George Freeman‖基于形状和拓扑的多目标图像检索‖在Signal
处理:图像通信21 (2006)
张登生，陆国军‖模式识别中的形状表示与描述技术述评‖(2004)
[8] Thomas H. Cormen Charles E. Leiserson Ronald L. Rivest‖算法导论‖IEEE 2002

文摘:Web使用挖掘是数据挖掘的一个子集。为了庞大的数据量，但数据量较少，网络数据的“量与质”是相互对立的，这是主要的问题。Web数据使用挖掘是该领域的一种变体，是未开发的丰富的免费文本信息的来源。随着web习惯存在中产生的海量数据的产生，web数据使用挖掘的重要性日益凸显。数据总是以一种多样的、连续的、快速的、时变的流到达。Web数据使用挖掘提取过程是提取有用的流媒体在线资源的重要环节。在全球范围内没有。随着网络用户的持续快速增长，网络使用矿工必须利用有效的工具来发现、勒索、清理和评估所需的信息。数据预处理阶段是对网络用户及其使用行为进行调查的预处理过程中最重要的阶段。为了满足这一要求，导航记录在web日志文件以及网站的IP地址，使用会话和访问的网页链接。为了提高数据预处理的性能和质量，以识别唯一的用户和用户会话。 We propose a new method for web data preprocessing in which it has three phases. "In the first phase some websites are selected and by different locations access these website & by applying the (java) tools & methods then find out the IP address of that websites, session usage time & navigations, in the final phase combine them i.e.(web link navigation + IP address of website + session of usage ). This framework helps to investigate the web user usage behavior efficiently.

关键字-:-weblink，导航，线程，网络，减少，web日志，会话，数据清除，数据改造..

M. Giri博士和Akash Kumar博士，“使用相关性分析方法的高效Web内容挖掘”，国际多学科研究杂志，高级工程，页。201 - 210年,2012年。

M. Giri博士和Akash Kumar博士，“使用分治方法的高效Web内容挖掘”，国际计算智能研究杂志，页。201 - 210年,2012年。

M. Giri博士和Akash Kumar博士，“使用多线程方法的高效Web内容挖掘”，国际系统，算法和应用杂志，页面。2012年1 - 4,

[4]李岩，冯伯勤，毛勤姣，“基于路径补全的Web使用挖掘方法研究”，计算机科学与技术，pp. 554-559, 2008。

景长斌，陈力，“基于协同过滤的网络日志数据预处理”，第2届国际学术研讨会，pp.118-121, 2010。

彭慧萍，“基于Web使用挖掘的关联规则发现方法”，计算机科学与技术会议，pp.272-275, 2010。

Tasawar Hussain, Sohail Asghar博士和Nayyer Masood，“基于群体智能的WUM预处理层次会话化”，第六届国际新兴技术会议(ICET)， IEEE, 21- 26页，2010

文摘:在计算工具的生命周期中，从最初的发布到交付，减少浪费绿色计算是使系统更节能的一个领域。这一关键问题的目的是介绍杰出的研究，表明绿色计算领域的最新增强。在设计下一代计算技术时，必须将绿色计算作为一个重要组成部分。本研究讨论了绿色计算的不同组成部分、发展、应用、瘦客户端、不同策略及其框架。这包括真正可持续的绿色计算技术开发和相关解决方案。最后阐述了绿色计算的框架和SWOT分析。

关键词:绿色计算，瘦客户端，绿色云计算框架，SWOT分析。

[1](2006-10-23)。“环保署宣布新的计算机效率要求”。这是琼斯的报告，欧内斯塔。

[2] IBM全球技术服务2007年1月报告。

[3]自然资源保护委员会——ⅰ级能源之星计算机规范建议书，www.energystar.gov/ia/partners/prod_development/revisions/downloads/computer/

[4] Kevin Francis, Peter Richardson，虚拟化绿色成熟度模型，http://msdn.microsoft.com/enus/library/dd393310.aspx。[5] AkshatVerma, GargiDasgupta, Tapan Kumar Nayak, Pradipta De, Ravi Kothari，服务器工作负载分析，使用整合最小化功耗。见:2009年USENIX年度技术会议论文集，USENIX'09, USENIX协会，伯克利，加州，美国，2009，第28 - 28页。
[6]朱荣，孙振和胡杰，-特辑:绿色计算，‖未来一代计算机系统，第28卷，no. 1。2, pp. 368-370, 2012年2月

S. Marston, Z. Li, S. Bandyopadhyay, J. Zhang和A. Ghalsasi， -云计算-业务视角，决策支持系统，第51卷，no. 1。1，第176-189页，2011年4月。
[8] MujtabaTalebi。绿色计算的计算机功耗基准。硕士论文，维拉诺瓦大学，计算科学系，2008年。科林·霍兰德。牛津大学启动低碳计算项目。EE Times英国，2008年3月14日。

文摘:本文分析了基于服务的能量耗散问题，提出了促进绿色云计算解决能源危机的条件。传统的云计算强调的是数据计算的效率，而绿色云计算则是对计算资源进行良性、充分和商业化应用的研究和实践。目前，云计算系统浪费了大量的能源，排放了大量的二氧化碳。大量的碳排放主要是由于数据中心服务器产生的热量。有组织的信息系统需要直接修改。通过使用由服务提供商支付的“绿色数据中心”积累的远程服务器，公司员工被赋予了更轻的个人电脑。绿色云计算的关键是提出了解决电力资源荒的方法。绿色计算的目的类似于绿色化学;加强产品生命周期中的能量充分性，减少不稳定部件的采用。

关键词:绿色虚拟网络，节能路由，全球绿色云计算，全球变暖。

[1]。高德纳，“数据中心整合”:趋势和最佳实践，http, 2010。
[2]。S.Srikantaiah, a.a kansal, f.s zhao，“云计算的能源感知整合”，2008年能源感知计算与系统会议(Hot Power'08)， CA，美国，2008。
[3]。gartner估计ICT行业占全球二氧化碳排放量的2% shttp://www.gartner.com/it/page.jdp?id=503867，可于2011年3月发布。
[4]。钟查迪尔，高天柱，杨家旭，云计算与产业发展，行政院研究、发展与评估委员会，台湾，研究与评估，双月刊，34(4)。2010年8月。20-31。(在中国)。
[5]。绿色网格联盟(2011)。
[6]。S. Bhatia, M. Motiwala, W. Muhlbauer, Y. Mundada, V. Valancius, A.Bavier, N. Feamster, L. Peterson和1。Rexford，“格子:在商用硬件上构建灵活、快速虚拟网络的平台”，《真实覆盖和分布式系统研讨会论文集》。
[7]。http://conferences.sigcomm.org/sigcomm/2010/papers/green/p1.pdf
[8]。美国环境保护署。提交国会报告www.energystar.gov。
[9]。刘志坚，绿色产品与绿色管理策略——欧盟RoHS指令方法，WEEE，台湾钟表，6(4)。2004.45-58。(在中国)。

文摘:自然语言是人与人之间最常见的交流方式，但有时我们无法理解其他语言，要理解不同的语言就需要机器翻译。机器翻译是最好的应用程序，它有助于以更少的成本和更少的时间理解任何其他语言。在这方面，研究人员面临着一些问题:发音相同但意义不同的单词，拼写不同但意义相同的单词，在某些情况下，单词的组合可能会改变意义。要解决这类问题，就需要进行词义消歧。词义消歧是用来理解单词在上下文中的正确含义;词义消歧是自然语言处理的一部分。词网在词义消歧中起着重要作用。本文将讨论自然语言处理、机器翻译和词义消歧的基本概念。

关键字-自然语言处理，机器翻译，词网，词义消歧。

[1] M Ozaki, Y. Adachi, Y. Iwahori, Fabio Ciravegna, Sanda Harabagiu, IEEE计算机学会2003。自然语言处理的最新进展。
[2]可用:http://en.wikipedia.org/wiki/Natural_language_processing
J.哈钦斯和H.萨默斯。机器翻译入门。文献出版社，1992年。
Durgesh D Rao，“机器翻译”，pp。1998年7月61-70号
[5]: http://www.cse.iitb.ac.in/ cs626 - 460 - 2012 / lecture_slides cs626 - 460 lect9 - mt - 2012 - 1 - 19. - pdf
Nancy Ide, Jean Veronis，《词义消歧特刊导论:最新进展》，1998J。
[7] Pushpak Bhattacharyya，“CS460/626:自然语言处理/语音，NLP与网络(第25讲-基于知识和监督的WSD)”，印度理工学院孟买，2012年3月6日，第24页。
[8] Pushpak Bhattacharyya，“CS460/626:自然语言处理/语音，NLP与网络(第25讲-基于知识和监督的WSD)”，印度理工学院孟买，2012年3月6日，第36页

文摘:在本文中，我提出了一种利用蚁群优化(ACO)算法对纳米颗粒显微图像进行边缘检测的方法，以获得良好连接的图像边缘图。纳米颗粒的显微镜图像分析容易出错。首先，利用各种matlab工具箱、常规边缘检测器和自适应阈值法得到图像的边缘图。计算使用这种检测器得到的端点。然后蚂蚁被放置在这些点上。蚂蚁的运动是由像素强度值的局部变化所引导的。当蚂蚁移动到下一个可能的边缘像素时，只考虑未检测到的相邻像素的概率因子。这两个停止规则的实现是为了防止蚂蚁通过已经检测到的像素移动。该方法应用于氧化铈(CeO2)纳米颗粒的原子力显微镜(AFM)图像和氧化锌纳米颗粒的SEM图像。结果表明，图像边缘可以用于颗粒的分类，更准确地确定颗粒的大小和形状，并区分团聚体中的颗粒。

关键字-纳米粒子显微图像，蚁群优化，信息素，自适应阈值。

[1]冈萨雷斯，r.c.，伍兹，r.e.， 2002。数字图像处理。普伦蒂斯霍尔。

精明的JF。，“边缘检测的一种计算方法”IEEE Trans - Pattern Anal Mach Intell1986;8(6): 679-98。

[3] Marr, D.，和Hildreth, E.C.，“边缘检测理论”，Proc。伦敦皇家学会，1980年第207卷，第187-217页。

S.M.Smith和J.M.Brady，“SUSAN-一种新的低层次图像处理方法”，国际计算机视觉杂志23(1)1997，第45-78页。

[5]帕克，j.r.， 1997。图像处理与计算机视觉算法“，”Wiley计算机出版社。

[6]吴志明，梁文良，刘菲。基于进化算法的边缘检测。在:IEEE国际。《论系统、人与控制论》，日本东京，1999年10月12 -15日，第865-868页。

[7] Sharifi, M.， Fathy, M.， Mahmoudi, M.T.边缘检测算法的分类和比较研究。In: IEEE Proc. Internat。信息技术会议:编码与计算，2002年4月8 -10日，第117-120页。

Marco Dorigo, Thomas Stutzle，《从真蚂蚁到人造蚂蚁》，麻省理工学院出版社，ISBN0262042193, 2004年。

[9] M. Dorigo, M. Birattari，和T. Stutzle，“蚁群优化”，IEEE计算智能杂志，第1卷，pp. 28-39, 2006年11月。

M. Dorigo V. Maniezzo和a . Coloni，“蚂蚁系统:协作代理群体的优化”，IEEE系统人与控制论，B部分，第26卷，pp 29-41, 1996年2月。