基于聚类分析和集成神经网络的序列图像多目标识别算法

针对现有的集成神经网络的训练子集选择时没有考虑样本空间的分布情况,使得构造的训练子集具有很大的随机性和主观性,集成的差异性不能有效保证的缺点,提出了一种新的基于Hu七阶矩、RPCL聚类分析和集成神经网络的序列图像多目标识别算法.该方法首先在训练视频中连续提取序列图像中的目标--人、人群、汽车,利用Hu七阶矩提取轮廓信息.为了防止Hu七阶矩对小目标和非刚体目标的描述能力弱的缺点,再提取图像的面积信息.其次对所提取的8维数据采用基于对手惩罚策略的竞争学习算法(RPCL)进行聚类分析,得到待分样本的分布.再次采用提出的单个神经网络生成算法得到单个神经网络.最后采用相对多数方法对神经网络进行集成.采用基于boosting,bagging方法的集成神经网络和该算法进行比较,结果表明该方法的分类精度要高于传统方法,是一种有效的目标识别算法.     

交流接触器组件半自动生产装配线的设计与研究

交流接触器组件的半自动生产装配线由机械、电气、气动、计算机控制系统实现自动化装配、自动检测和计算机生产管理。该线由计算机控制的环节:接触器机械参数与电参数的检测,软件设施满足各种产品的检测.检测质量合格后,合格产品自动送致下一个工步,质量不合格产品与以剔除,并有质量报警指示。数据计算机管理,采用计算机随时统计产品合格率,产品数量,各种机械参数与电参数不合格率,随时进行显示,并根据需要进行打印,也可以对各零部件的库存量进行统计。该检测装置稳定可靠、检测速度高。本线计算机控制系统及电气、气动等功能元件,大部分选用标准件,定位精度高。生产线布局合理,各工序之间操作协调。为扩大再生产提供了方便。     

ResNet及其在医学图像处理领域的应用:研究进展与挑战

残差神经网络(ResNet)是深度学习领域的研究热点,广泛应用于医学图像处理领域.该文对残差神经网络从以下几个方面进行综述:首先,阐述残差神经网络的基本原理和模型结构;然后,从残差单元、残差连接和网络整体结构3方面总结了残差神经网络的改进机制;其次,从与DenseNet,U-Net,Inception结构和注意力机制结...     

基于密集双流聚焦网络的肺炎辅助诊断模型

X光片对肺炎疾病的诊断具有重要作用,但其成像时易受噪声污染,导致肺炎疾病的影像学特征不明显和病灶特征提取不充分。针对上述问题,提出密集双流聚焦网络DDSF-Net的肺炎辅助诊断模型。首先设计残差多尺度块,利用多尺度策略提高网络对医学影像中不同尺寸肺炎病灶的适应性,采用残差连接提高网络参数的传递效率;然后设计双流密集块,采用全局信息流和局部信息流并行结构的密集单元,其中Transformer对全局上下文语义信息进行学习,卷积层进行局部特征提取,利用密集连接方式实现两种信息流的深浅层特征融合;最后,设计具有中心注意操作和邻近插值操作的聚焦块,利用裁剪医学影像尺寸来过滤背景噪声信息,利用插值对医学图像进行放大,增强病灶的细节特征。在肺炎X光片数据集中与典型模型进行对比,本文模型的准确率、精确率、召回率、F1,AUC值和训练时间分别为98.12%,98.83%,99.29%,98.71%,97.71%和15 729 s,准确率和AUC值较密集网络分别提升了4.89%和4.69%。DDSFNet能够有效缓解肺炎影像学特征不明显和病灶特征提取不充分的问题,通过热力图和三份公共数据集进一步验证了本文...     

DNA计算研究

本文主要讨论了DNA计算原理，综述了DNA计算的特点、DNA计算模型，指出了DNA计算目前存在的问题．最后就DNA计算的发展前景进行了展望。     

基于NRC和多模态残差神经网络的肺部肿瘤良恶性分类

针对深度卷积神经网络训练时的网络退化、特征表达能力不强等问题,提出一种基于非负表示分类和多模态残差神经网络的肺部肿瘤(residual neural network-non negative representation classification, resnet-NRC)良恶性分类方法。使用迁移学习将预训练残差神经网络模型初始化参数;分别用CT、PET和PET/CT 3个模态的数据集训练残差神经网络,提取全连接层的特征向量;采用非负表示分类器(non-negative representation classification, NRC)对特征向量进行非负表示,求解非负系数矩阵;利用残差相似度进行肺部肿瘤良恶性分类。通过AlexNet、GoogleNet、ResNet-18/50/101模型进行对比试验,试验结果表明,ResNet-NRC分类效果优于其它模型,且特异性和灵敏度等各项评价指标也较高,该方法具有较好的鲁棒性和泛化能力。     

松香蒸馏过程中,脂液、松香表面张力的测定

一、液体的表面张力处在液体表面层的分子受液体内层邻近分子的引力要比从空气分子方面所受的引力大。因此,要使液体形状改变而表面增大时,必须消耗功。这个沿着表面本身并与表面平行、有一种力图使表面缩小的张力称为表面张力。其单位是尔格/平方厘米或达因/厘米。     

降序加权join半概念格快速挖掘算法

通过分析Eclat算法,对完全概念格按照支持度进行了裁减,得到了一个向下封闭的降序join半概念格,在构造半概念格的同时计算出每一个项集的支持度作为其权值,最后基于降序加权join半概念格对Eclat算法进行了改进,裁减了概念格中大量的冗余的连接,给出了一个快速的关联规则挖掘算法。经过分析,该算法与Eclat算法相比,效率更高。     

残差神经网络及其在医学图像处理中的应用研究

残差神经网络（ResNet）是近几年来深度学习研究中的热点,在计算机视觉领域取得较好成就.本文对残差神经网络从以下几个方面进行总结：第一,阐述残差神经网络的基本结构和工作原理;第二,在模型发展方面,以时间为顺序总结了残差神经网络的8种网络模型;第三,在结构优化方面,从残差神经网络的卷积层、池化层、残差单元、全连接层以及整个网络5个方面进行总结;最后,将ResNet应用到医学图像处理领域,主要从图像识别和图像分割2个方面探讨.本文对残差神经网络的原理、模型、结构进行了系统地总结,对残差神经网络的研究发展具有一定的积极意义.     

基于一致度、覆盖度和包含度的感兴趣区域不一致性决策算法

医学影像感兴趣区域(ROI)的噪声和疾病误判是一个典型的不一致性决策问题,同时也是困扰临床诊断的一个难题。针对这个问题,基于宏观与微观结合、全局与局部相结合的思想,提出了基于一致度、覆盖度和包含度的磁共振成像(MRI)前列腺肿瘤ROI不一致决策算法(ItoC-CIC)。首先提取MRI前列腺肿瘤ROI的高维特征,得到完备不一致决策信息表;然后通过计算不一致度找到不一致样本所在的等价类;再计算不一致等价类的覆盖度和包含度得到Score值,利用Score值筛选不一致样本,实现不一致性决策向一致性决策的转换;最后通过典型算例、UCI数据集和实验提取的前列腺肿瘤ROI特征构成的不一致决策信息表等进行验证。实验结果表明,所提算法能有效地找到并筛选掉不一致性样本。