船木家具用户族群现状分析

船木家具本身的特殊性使得其用户群体具有小众性和高端性。为提高船木家具设计制作的针对性，满足客户的个性化需求，根据问卷调查情况进行数据分析，并基于分群的形态特征进行用户群分类，船木家具用户可分为“稳健求进型”“事业理性型”“时尚潮流型”“勤俭持家型”“传统生活型”“品质生活型”六个族群。“时尚潮流型”和“品质生活型”用户是船木家具的主要使用用户，而“事业理性型”用户和“传统生活型”用户可发掘为船木家具使用用户，这为船木家具设计与制作改进提供了依据。     

因素空间理论下基点分类算法研究

目前，基于因素空间理论的背景基提取算法计算过程复杂，初始化必须依赖各因素极值，基点数量提取冗余等原因，未能在应用中取得很好效果。为此，结合内点判别法和知识可继承、可扩展的思想，提出一种计算简单、初始化独立、基点数量小的改进的背景基提取算法。然后，利用改进的背景基提取算法构造出一种全新的数据分类算法-基点分类算法，基点分类算法以提取每一类样本的背景基为预测模型，再通过新定义的λ-背景基，优化预测模型。数值实验表明:基点分类算法原理简单、构造难度小、分类模型泛化能力强，预测能力准确率高，同时严格的模型限定区域又能为识别新类别提供新方法。     

基于Web技术的医疗图像脱敏系统的设计与实现

针对目前医疗图像脱敏系统尚未普及、传统人工脱敏效率不高等问题,设计并实现基于Web技术的医疗图像脱敏系统。基于PyCharm开发平台,采用Flask框架封装脱敏操作,设计脱敏系统的可视化界面并实现前后端交互。该脱敏系统总体架构分为单张超声图像脱敏、批量超声图像脱敏、单张CT图像脱敏、批量CT图像脱敏4个模块。实验结果表明,针对1 000张CT图像和1 000张超声图像,该系统可分别在12.78 s与14.07 s内批量完成这两类图像敏感信息的脱敏工作,符合临床使用要求。     

基于光谱分类模型的保险杠物证无损研究

采用中红外光谱结合化学计量学的方法对车用保险杠碎片进行鉴别，分别对52个车用保险杠碎片样本的全波段光谱数据、指纹区光谱数据和主成分分析降维后的光谱数据建立Fisher判别分析和K近邻算法2种分类模型，并对分类结果进行比较。结果表明，主成分分析提取特征变量后构建的分类模型，分类的准确率更高，对聚丙烯（PP）、PP/滑石粉、PP/滑石粉/碳酸钙（CaCO₃）3种类型的样本分类准确率达到92.3 %，对PP/滑石粉类型中的10种品牌样本分类准确率达到88.9 %，分类结果理想；在构建的2种分类模型中，Fisher判别分析模型的分类率远高于K近邻算法模型，分析认为K近邻算法模型受到样本不均衡的影响；中红外光谱结合化学计量学可以实现对车用保险杠碎片的准确区分，且满足快速、无损的检验要求。