基于离散区间的频繁嵌入式子树挖掘算法

针对频繁嵌入式子树挖掘,利用离散区间来构造投影库,给出一种基于离散区间的频繁嵌入式子树挖掘算法。该算法通过离散区间消除冗余投影,有效地压缩投影库的规模,提高了子树节点计数效率,减低了算法的时空复杂性。实验结果表明该算法具有较高的挖掘效率。     

基于人工免疫的多维关联规则挖掘及其应用研究

关联规则挖掘是一个重要的数据挖掘问题.目前,关于单维关联规则的成果已经比较成熟,但是对于多维关联规则问题因为存在显著的组合爆炸问题,至今尚未完美解决.提出了一种基于人工免疫的多维关联规则挖掘算法.算法充分利用了人工免疫的记忆特性,把挖掘的关联规则存入记忆库,加快了多维关联规则的挖掘速度.结果表明,该算法应用于煤与瓦斯突出预测中,具有较好的鲁棒性,能快速、有效地进行全局优化搜索,在多维关联规则的挖掘中具有可行性和高效性.     

审美心理下的情感化产品设计——产品是生活的情感与记忆的寄托

在科学技术与经济文化高度发展的驱使下,人们对产品的审美心理产生了变化,美的东西也许不仅仅是线条优美或色彩丰富,它的价值已经体现在我们赋予他的功能上,更重要的是人们生活情感与记忆的寄托。人们之间的交流越来越少,情感这个人与人之间沟通的重要通道已经越来越狭窄。所以现在我们在寻找更适合现代人们审美心理下的产品设计。他会是怎样的?未来的产品设计会不会融入治疗的作用?这都需要我们来创造。     

基于添加人工数据的高差异性聚类集体生成方法

集体差异性被认为是集成学习中的一个关键因素,在聚类集成的研究中,生成聚类集体的方法有许多种,但就专门致力于生成高差异性聚类集体的方法研究较少,基于此,本文提出生成高差异性聚类集体的方法CEAN和ICEAN,在算法中通过引入人工数据来增加聚类集体的差异性,用实验比较了CEAN和ICEAN与文献中出现的常用聚类集体生成方法,实验表明CEAN和ICEAN确实能增加生成集体的差异性,从而在相似平均集体成员准确度情况下使得聚类集成的效果更好.     

一种基于EZW编码的数字图像加密算法

考虑到了图像数据量大会给网络传输带来巨大压力的问题,本文提出基于压缩编码技术的数字图像加密算法,将加密解密过程嵌入到图像的压缩编码与解压缩解码过程中,大大提高了加密解密速度,同时又可以利用较少的存储空间来存储这些图像文件,利用现有的网络带宽来传输它们.     

基于CAN总线的网络控制系统调度研究

网络控制是计算机技术、通信技术和控制技术融合发展所形成的一个新领域,网络调度对网络控制系统的性能有着重要影响.本文在介绍了网络的可调度性分析方法和基本调度算法之后,提出了一种改进的混合调度算法(MTS),并利用TrueTime工具箱构建了基于CAN总线的网络控制系统仿真平台.通过比较改进前后的MTS算法对电动机网络控制系统影响的仿真实验,证明了该算法的有效性,改进后网络控制系统的性能有了很大提高,超调量大大减小,调节时间缩短.     

引线键合匹配定位算法研究

为提高全自动引线键合机视觉定位系统的检测速度和定位精度,在对定位系统进行了深入分析的基础上,分别对系统的示教和键舍过程进行了参数优化.为了降低归一化灰度相关匹配算法的计算量,将算法的有效搜索范围的设定与眼点相联系,提高了算法的效率.最后.利用MATLAB软件编程实现了算法.仿真实验结果表明,针对678×576的引线框架实际图像,该算法定位的平均误差可控制在0.4像素以内,计算时间约为300ms.基本能满足自动键合机视觉系统的要求.     

基于AR技术的光交箱资源校准技术

光交箱端口状态对通信网络的正常运行具有重要作用,由于光交箱内部布线杂乱,容易对端口产生排线遮挡问题,导致传统的光交箱端口图像识别操作不便。文中提出了一种基于AR技术的光交箱资源校准技术,该技术可以对实时视频自适应选取关键帧,然后对关键帧进行光交箱端口状态和文字识别,最后返回加权融合后的识别结果,并利用实时AR交互指引巡检人员处理被遮挡端口,这不仅能提升巡检人员的工作效率,还能提高实时识别准确率。将该校准技术应用到光交箱端口的智能检测中,能对光交箱的端口识别提供极大便利。     

基于背景感知的相关滤波抗遮挡优化算法

针对相关滤波目标跟踪中由于目标遮挡、出视野引起的跟踪失败等问题,以背景感知相关滤波(background aware correlation filters, BACF)算法为基础,提出一种抗遮挡优化算法。首先特征提取部分融合方向梯度直方图(histogram of oriented gradient, HOG)特征与颜色名称(color name, CN)特征;其次提出层级遮挡优化算法,在目标跟踪过程中根据平均峰值相关能量(average peak to correlation energy,APCE)和最大响应峰值判断目标外观是否发生较大变化,并通过巴氏距离进一步计算目标相邻滤波器模板特征相似程度,以此判断造成目标外观变化的真正原因,进而决定是否更新模板;针对目标出视野问题,提出模板筛查策略,跟踪过程中每隔K帧对滤波器模板进行置信度考查,若目标丢失,则生成新的模板并对目标进行全局搜索重新抓取目标。通过在目标跟踪数据集OTB2015上测试,优化算法精确度与成功率分别为83.0%与78.8%,有效提高了算法性能。     

基于机器学习的超声造影分析综述

超声造影（Contrast-enhanced ultrasound, CEUS）通过外周静脉注入超声造影剂,显著增强来自肿瘤微血管的血流信号,便于临床医生以实时、动态的方式评估肿瘤血管生成、周边浸润等,广泛应用于多器官病变诊断、预后评估和治疗方案规划等方面。近年来,以深度学习为代表的机器学习方法快速发展,为动态超声造影智能分析带来新的机遇。深度学习方法很大程度上拓宽了超声造影临床应用范围,提高了其诊疗效能。但与常规超声影像类似,超声造影仍然存在斑点噪声、呼吸运动干扰和标准化程度低等问题,使得动态灌注时间、空间信息挖掘面临挑战。本文系统性回顾了近年来超声造影智能分析相关工作,涵盖良恶性鉴别、恶性分级、疗效预测和诊疗方案选择等方面应用,总结了当前影像组学及深度学习方法在超声造影分析领域的最新进展,并指出当前研究的局限性和未来发展方向。