基于模糊加权熵的医学图像多阈值分割

针对H.D.Cheng等人提出的模糊熵公式存在不满足区域一致性条件等问题,提出了模糊加权熵公式,证明了该公式满足图像分割定义的五个条件,克服了传统方法导致图像细节被均衡的不足,可得到较佳的分割结果。另外,隶属函数采用一种梯形分布,该分布可降低了参数的维数,提高了运算的效率。     

基于二叉频繁模式树的医学图像关联规则挖掘

医学图像的数据量是相当巨大的,挖掘医学图像中数据的关联关系就需要一种适合挖掘海量数据的挖掘算法。针对基于频繁模式树FP_TREE的关联规则算法在挖掘海量数据时占用大量内存的缺点,提出了一种基于二叉频繁模式树(FP_BTREE)的关联规则算法。该算法采用二叉树存储数据的技术来映射数据库中数据,以减少对数据库的访问次数。而且根据内存具体情况可以先求出先建立的二叉频繁模式树的频繁模式。解决了占用大量内存的缺点,适合挖掘医学图像海量数据集。此算法也为多棵二叉频繁模式树的并行计算打下基础。最后应用此算法提取医学图像数据集中隐含的关联信息。     

约束最大频繁项目集的增量式更新算法

发现约束频繁(约束最大频繁)项目集是多种数据挖掘应用中的关键问题，目前已有许多算法可用于发现约束频繁(约束最大频繁)项目集，而对约束频繁(约束最大频繁)项目集维护问题的研究工作却很少。因此，需要设计高效的算法来更新、维护和管理已挖掘出来的约束频繁(约束最大频繁)项目集。为此。该文提出了一种快速的增量式更新约束最大频繁项目集算法IUACMFI，并举例说明了算法的执行过程。     

基于动态灰度表空间分布信息的医学图像检索

大量医学图像的数字化对基于内容的医学图像检索提出了更高的要求。文章针对医学图像灰度分布较集中的特点,采用基于动态灰度表空间分布信息的方法实现对医学图像的检索,先对医学图像简单分割,动态获取各分块的灰度对照表,通过图像灰度的平均分布坐标来获得空间信息。该方法克服了灰度直方图不能表达空间信息的缺陷,快速、有效地实现了医学图像的相似性检索。     

全局频繁闭项目集挖掘算法研究

频繁闭项目集挖掘是数据挖掘研究中的一个重要研究课题.目前已有的频繁闭项目集挖掘算法主要针对单机环境,有关分布式环境下的全局频繁闭项目集挖掘算法的研究尚不多见.为此,本文提出了一种快速挖掘全局频繁闭项目集算法,并对其更新问题进行了研究;提出了一种相应的频繁闭项目集增量式更新算法,该算法将充分利用先前的挖掘结果来节省发现新的全局频繁闭项目集的时间开销.实验结果表明算法是有效的.     

不完备目标信息系统中基于描述子的知识约简

以具有遗漏型未知属性值的不完备目标信息系统为研究对象,根据描述子的定义和基于描述子的粗糙集模型,讨论了知识约简问题.给出了求得描述子所有约简的具体操作方法.根据描述于的支持集与决策类之间的关系,提出了描述子的下、上近似相对约简概念,并给出这两种约简的判定定理及区分函数,为从不完备信息系统中获取简化的决策规则提供了新的理论基础与操作手段.     

一种基于正则表达式匹配的协议分析异常检测方法

在分析了基于协议分析技术的IDS不足的基础上,引入了正则表达式的技术,提出了基于正则表达式匹配的协议分析技术,给出了相应实现算法,并在实际构建IDS规则库时进行了试验,通过实验结果表明,运用正则表达式改善了误用检测中检测特征单一、无法检测新攻击的缺陷,扩展了检测变种攻击的能力,从而大大提高了检测的效率.     

基于兴趣点和边缘特征的图像检索方法的研究

提出了多种图像特征相结合的图像检索新方法.该方法把兴趣点和边缘作为图像中用户关注的线索,设计了一种基于兴趣点和边缘特征的图像检索新方法.它综合考虑了图像的全局形状特征、颜色及其空间分布信息,不仅克服了单一特征无法真正表征图像的缺陷,同时保证了检索算法对图像旋转、平移的识别不变性.进行检索时,可根据兴趣点的数目自适应地改变兴趣点和边缘特征的相似性权重,增加了系统的有效性.与同类方法相比较表明,该方法有效提高了图像检索的准确率.     

新型适用于基因表达数据的模型聚类方法

针对EM算法中的初始类的数目很难决定,在迭代中经常产生部分最优的情况,将K-means算法与基于EM的聚类方法相结合,提出了一个新的适用于基因表达数据的模型聚类方法。新的聚类方法,首先利用K-means算法具有全局性、效率高的优点,快速得到聚类的起始类的划分,将其设置为高斯混合模型的初始参数值,进一步采用EM方法进行聚类,得到最优聚类结果。通过2次对真实数据集的实验测试,将新的算法分别与K均值算法和EM算法进行了比较。实验结果表明,新算法是一种有效的聚类方法,聚类结果的准确度得到了提高。     

基于特征的医学图像数据存储模型

当前医学图像文件因数据量大而难以存储、管理和查询。为此,提出一种基于特征的医学图像存储模型。将面向对象模型中的对象和消息机制与网状模型中的链状存储结构相结合,以图像本身及其特征为对象进行存储,从而实现图像信息的快速存储和查找。实验结果表明,该模型的存储效率高,查询速度快,具有较好的实用性及可扩展性。