用于咽喉器官分割的空洞残差金字塔算法

对咽喉器官分割是喉镜图像分析以及计算机辅助诊疗的先决条件.为准确地分割器官部位,提出一种用于咽喉器官分割的空洞残差金字塔算法.首先提出空洞残差(dilatedresidual,DR)模块,使用多种空洞卷积提取图像不同感受野下的特征,结合残差策略提升特征多样性并加快网络训练速度;然后将DR模块与特征金字塔结合,融合多尺度特征并补充器官浅层特征,使得网络适应器官的多种形态;最后设计咽喉器官分割网络——DRP-Mask.在8 000幅喉镜图像数据集上的实验结果表明,与其他5种语义分割网络相比, DRP-Mask的平均交并比提升2%～4%,比基准网络平均精度提升1.6%,实现对器官准确定位的同时也对其进行完整的分割,分割结果更贴合医生标注结果.     

求解约束函数优化问题的族群进化算法

为提高族群进化算法对约束函数的优化性能,应用基于线性截取策略的大配子采样机制来提高群体进化过程中大配子筛选的稳定性。该机制可有效减少在进化过程中族群结构的大幅波动,提高族群进化算法的搜索效率。通过对六个典型约束函数的仿真实验显示,该机制使族群进化算法成为了一种有竞争力的约束函数优化算法。     

基于多智能体遗传的SAR图像变化检测

针对传统进化算法在SAR图像变化检测时,容易陷入局部最优,收敛速度慢,耗时过长,为了解决这些问题,提出了一种无监督的多智能体遗传SAR图像变化检测方法。利用对数比值法对预处理后的图像构造差异影像,并对差异影像进行中值滤波处理,把它的灰度值作为输入信息,通过多智能体遗传算法搜索全局阈值,根据全局阈值得到变化检测结果。仿真结果表明,该算法与GA、ICSA相比,分类准确,收敛快速,效率更高。     

电力系统经济负荷分配的族群优化方法

经济负荷分配（Economic Load Dispatch,ELD）是电力系统中一种重要的优化问题,它可归为一类高维、离散、非线性的多约束函数优化问题。针对这类问题,提出了一种基于线性截取策略的改进族群进化算法——EGEA/LT,并使用EGEA/LT对IEEE的3机、6机和15机3个仿真系统进行了优化实验,将实验结果与其他典型算法优化结果进行比较,说明了EGEA/LT是一种求解ELD问题的有效方法。     

时空属性关系标签的频繁轨迹模式挖掘

校园卡技术的广泛应用是高校信息化程度的重要标志，其中学生消费数据隐含了强大的潜在价值，对其进行挖掘具备重大的实用意义。由此，提出一种将校园消费流水数据转换为带有时空属性的消费轨迹树DP-DBSCAN算法和带有关系标签的频繁轨迹挖掘模式FP-TRtree。DP-DBSCAN算法采用时间分块、顺序查询和距离度量，能高效地将数据转换为FP-TRtree带有顺序的频繁一项集，同时无需考虑参数问题，也避免了查询每个数据点最近邻对象的巨大耗时。FP-TRtree模式按顺序添加关系值，支持度降序排序，并对相同轨迹节点间的关系标签不断迭代优化。可视化分析结果表明，该数据转换算法和挖掘模式不但可以发现频繁消费的学生关系轨迹网及孤立人群，而且能定量描述节点间学生的消费亲密程度，同时也减少了数据库扫描次数以及树分支的建立。实验结果不仅符合学生实际消费情况，还能从复杂的消费网络中发现隐含的信息，为院校管理、领导决策提供可参照的依据。     

基于免疫优势多克隆网络的异常检测

为实现无监督异常检测,提出一种用于网络数据训练学习的免疫优势多克隆网络聚类算法。根据抗体抗原亲合度,通过免疫优势、克隆、交叉、非一致变异、禁忌克隆和克隆死亡等人工免疫系统算子,实现抗体网络的进化学习和自适应调节。以一个小规模的网络映射原始数据集的内在结构,利用基于凝聚的层次聚类方法对网络结构进行分析,从而获得描述正常和异常行为的数据特征。仿真结果表明,该算法适用于大规模、无标识数据的异常检测,并能检测出未知攻击。     

主题爬虫技术研究综述

随着移动互联网的普及以及网络信息指数的增长,如何有效地提取和利用这些信息面临巨大挑战。介绍了主题爬虫的工作原理、分类;回顾了近年来国内外关于主题爬虫的研究状况,分析了各种主题相似度的方法以及搜索策略,得出相比于普通的爬虫系统,基于网页内容和基于链接分析的爬虫系统的查准率、查全率都大幅度地提升;最后分析比较了主题网络爬虫两种动态搜索策略并指出了未来研究方向。     

一种基于核聚类的关键帧提取方法

为了在视频数据库中提供有效的视频检索和浏览功能,必须用简明的方式表示视频的内容.关键帧是对视频镜头的简洁表示,关键帧提取已成为视频检索的一个重要研究方向.文中提出了一种基于核聚类的视频关键帧提取方法,它通过对视频提取颜色特征,并将这些特征作为样本映射到高维特征空间之后,在特征空间中进行聚类,使原来没有显现的特征突现出来,自动将内容相似的样本归为同类,每一类可取一个样本代表其内容,这样的样本即为关键帧.实验结果表明这种方法可以较好地概括视频内容.