复合覆盖粗糙集模型及其应用

针对覆盖粗糙集仅适用于单一数据类型的论域覆盖的问题,提出复合覆盖粗糙集模型。在研究邻域覆盖粗糙集、集值覆盖粗糙集、区间值覆盖粗糙集的基础上,在复合数据模型下,通过建立多种覆盖关系（邻域覆盖、集值覆盖、区间值覆盖等）,提出复合覆盖粗糙集模型,并给出复合覆盖粗糙集相关概念及性质。该模型适用于多种数据类型（符号数据、区间数据、集合数据、数值数据等）的论域覆盖问题,通过实例说明了该模型在复合信息系统中的应用,进一步加深对复合覆盖粗糙集相关概念的理解。     

基于相反分类器的数据流分类方法

目前挖掘概念流动的数据流已经成为研究的热点。概念流动的数据流分类在预防信用卡欺诈,网络入侵发现等应用中具有重要的应用。本文定义了一种相反分类器来从错误中学习,提出了训练一个集合分类器来对具有概念流动的数据流进行分类的算法IWB。通过在合成数据集和benchmark上的实验,与Weighted Baggging算法比较,表明我们的算法具有更高的准确度,更快地收敛到新的目标概念的性能。     

重金属汞螯合物人工抗原的合成与鉴定

以重金属汞为起始物质,将其离子化为二价汞,与双功能螯合剂谷胱甘肽(GSH)螯合后,获得半抗原,然后将半抗原与载体蛋白牛血清白蛋白(BSA)、卵清蛋白(OVA)进行偶联,获得完全抗原。实验对各步骤的反应条件进行优化,采用紫外光谱、凝胶电泳对产物进行表征,成功制备了汞-GSH-BSA完全抗原。为计算完全抗原中重金属和载体蛋白的偶联比,采用石墨炉原子吸收法测定产物中重金属汞的含量,采用二喹啉甲酸(BCA)法测定抗原中载体蛋白的含量,所制备的免疫原中汞和蛋白的偶联比是9:1。Hg-GSH-BSA的成功合成是制备可识别重金属汞螯合物抗体的基础。     

基于条件生成对抗网络的咬翼片图像分割

现有基于U型网络(U-Net)的咬翼片图像分割方法将咬翼片X射线图像分割成龋齿、牙釉质、牙本质、牙髓、牙冠、修复体和牙根管7个部分,但分割准确率偏低。为此,提出一种改进的咬翼片图像分割方法,将条件生成对抗网络与U-Net相结合对咬翼片进行分割,使判别器与生成器相互优化,获得具有更多上下文信息的分割特征图。实验结果表明,改进方法的Dice系数相比U-Net方法提升了0.133,分割准确率更高。     

共聚焦拉曼仪测试参数的合理选择

结合仪器的原理,从激光波长和功率、显微镜头、滤光片、共聚焦设置、光栅等几个方面简要说明了共聚焦拉曼参数条件的选取。同时简单介绍了拉曼光谱的应用。     

KDP晶体在室温下对称性分析和电光效应讨论

通过分析KDP（磷酸二氢钾）晶体处于顺电相时结构的对称性，说明其所属点群为D2d(42m)的真正原因，并利用晶体的压电效应加以验证，然后用于讨论KDP晶体的线性电光效应，说明它由单轴晶到双轴晶的转变。     

引入自愿协议模式探讨

本文叙述了国外实施自愿协议的做法和经验及自愿协议的特点,并在借鉴了国外自愿协议成功经验的基础上,对在我国工业领域内示范和推广自愿协议的模式进行了探索。     

基于类别区分度和关联性分析的综合特征选择

提出一种基于类别区分度和关联性分析的综合特征选择算法。利用类别区分度提取具有较强类别区分能力的特征词,降低特征空间的稀疏性,通过特征的关联性分析衡量特征与类别的相关性及特征之间的冗余度,选出具有类别代表性且相互之间不存在冗余的特征词。实验结果表明,该算法能有效提高分类器性能。     

基于判别式受限玻尔兹曼机的医学图像分类法

随着计算机技术的发展,越来越多的医学图像分析技术应运而生.利用数据挖掘方法对医学图像做分析是目前研究的热点之一,该方法首先从医学图像中提取统计特征,在此基础上进一步挖掘,这种方法对所提取的特征有很强的依赖性而且受到经验等主观因素的影响.针对乳腺X光图像,采用一种可以从图像中自动学习特征并利用学习到的特征对图像进行分类的医学图像分析新方法——判别式受限玻尔兹曼机(Discriminative Restricted Boltzmann Machine,DRBM).DRBM是一种无向判别模型,它可以自动地从图像中学习特征.在乳腺X光图像标准数据集上的实验结果表明,DRBM对医学图像的分类准确率明显高于其它基于统计特征提取的医学图像分类方法.     

基于粗糙集和信息增益的属性约简改进方法

针对属性过多对于有效的数据挖掘很不利以及约简中差别矩阵的产生会占用较大存储空间的问题,提出了一种基于粗糙集和信息增益的属性约简改进算法.该算法首先采用信息增益技术对决策表属性进行相关分析,删除部分冗余属性,减小属性约简的复杂度,然后直接从决策表中提取出分明函数,求出属性约简.由于避免了分明矩阵的生成,因此该算法不仅节约了时间和空间,而且提高了效率.