改进的L1/2阈值迭代高分辨率SAR成像算法

针对合成孔径雷达(SAR)在稀疏采样条件下方位向分辨率低、易受噪声干扰等问题,提出改进的高分辨率SAR成像算法。该文在现有的L1/2正则化理论及其阈值迭代算法的基础上,改进了其表达式中的梯度算子,提高重构图像的求解精度,降低计算量。然后,在全采样和欠采样条件下,将原有L1/2阈值迭代算法与所提改进L1/2阈值迭代算法,分别结合近似观测模型对SAR回波信号进行成像处理和性能对比。实验结果表明,改进的算法具有更加优越的收敛性能,并且对于SAR图像方位向分辨率有一定的改善。

基于多字典L1/2正则化的超分辨率重建算法

为详细表达图像高频细节信息,提高重建图像质量,提出了一种基于多字典L1/2正则化的超分辨率重建算法。该算法在稀疏重建字典对训练阶段,为有效提取低分辨率图像边缘、纹理等特征细节信息,采用改进的一阶二阶导数方法对低分辨率图像进行特征提取;而在图像重建阶段,为解决基于L1正则模型得到的解时常不够稀疏,重建图像质量有待进一步提高的问题,采用L1/2范数代替L1范数构建超分辨率重建模型。实验表明,与现有算法相比较,该算法可更好地表达图像细节部分信息,并能提高图像的重建质量。

均分式L1/2正则化稀疏表示特征选择方法

针对高维数据中出现的特征冗余问题,提出一种均分式L1/2正则化稀疏表示特征选择方法。根据特征数将高维数据集平均分成若干份,使用阈值迭代算法对每个特征子集进行L1/2正则化特征选择计算,聚合经过滤的数据集,运行L1/2正则化特征选择算法。该特征选择方法能够选择出更具代表性的特征,减少时间开销。实验结果表明,该方法适用于高维数据和低维数据。

基于模糊L1/2正则化的无线传感网络拥塞控制研究

无线传感网络在传输数据过程中,越靠近中心节点越容易产生拥塞,针对无线传感网络的拥塞问题,提出一种L1/2正则化和模糊神经网络相结合的拥塞控制算法。该算法在发送端对采集数据进行压缩观测,融合数据,达到初步缓解拥塞的效果。由于网路的传输数据量与压缩观测矩阵维数成正比关系,网络的拥塞程度很难用精确地数学模型描述,所以采用模糊神经网络对压缩感知观测矩阵维数进行自动的调整,增强算法对网络不同程度拥塞的适应性。在接收端采用L1/2正则化方法对无线传感网络压缩后的传输数据进行重构,重构精度高,数据损失小,实现对网络拥塞的全局控制。最后,对该算法进行MATLAB仿真实验,实验结果显示,该算法能够缓解无线传感网络的拥塞问题且效果明显,在不同的拥塞状况下,网络的吞吐量增大25%~50%,丢包率降低20%~55%,时延减少6s。

基于L1/2正则化和局部纹理约束的人脸超分辨率图像重建

为了更好地利用低分辨率人脸图像,提出了一种基于L1/2正则化和局部纹理约束的人脸超分辨率重建。在人脸重建的过程中,使用非负矩阵分解将人脸图像放大到合适的中等分辨率,使用局部纹理约束加强纹理特征提取;然后使用局部稀疏先验进行人脸图像重建,再次加入重建约束和局部纹理约束。为了使获取的人脸图像稀疏系数更加稀疏,使用L1/2正则化求解稀疏表示系数。实验结果表明,重建的人脸图像保持了原图像的结构,可以实现很好的重建结果,并且具有更好的鲁棒性。

基于ADMM的L1/2稀疏迭代分布式算法研究与应用

随着互联网、物联网、传感器网络等信息技术的迅猛发展,各个应用领域的数据呈爆炸性增长,特别是电力行业,每时每刻都会产生大量的数据。在大数据时代,如何高效准确地从大规模数据集中获取有价值的知识引起学术界和工业界的日益关注。迫切需要高效的机器学习和数据挖掘技术对海量数据进行分析和处理。同时,并行计算、高性能计算和分布式计算等丰富的计算资源为大规模机器学习算法研究提供强有力的计算平台。分布式机器学习作为机器学习最重要的研究领域之一,受到广泛关注。基于此,围绕ADMM分布式算法研究工作展开,在此基础上针对L1/2稀疏迭代算法进行分布式优化。

基于L1/2稀疏性分类算法的银行客服人员综合评价

客服人员评价是银行客户服务中心的一项常态化工作。由于客服人员数量近年来剧增,运用专家经验方法难以准确快速对大量客服人员进行评价。本文基于专家对客服人员评价的历史数据,构建L1/2稀疏性分类模型,筛选出对客服人员综合评价的关键指标,进而对这些指标应用层次分析法,实现对客服人员的综合评价。实证表明,本文所提出的方法可以替代专家对客服人员大批量快速进行评价。

SOX7靶向ERK1/2/PD-L1通路抑制结直肠癌血管生成

目的探讨性别决定区Y框蛋白7(SOX7)对结直肠癌血管生成的影响及潜在作用机制。方法应用免疫荧光检测结直肠癌患者组织样本中SOX7表达水平,之后通过裸鼠、转染SOX7 mimic的人结直肠癌细胞系SW480细胞和人脐静脉内皮细胞(HUVEC)共培养进一步研究。用Western-blot验证SOX7与ERK1/2/PD-L1对结直肠癌细胞的相关蛋白表达的影响。用CCK8检测SOX7与ERK1/2/PD-L1对HUVEC增殖的影响。通过体外内皮细胞成管实验测定SOX7与ERK1/2/PD-L1对肿瘤血管生成的影响。结果SOX7在人结直肠癌组织中表达被抑制(P<0.01),同时SOX7的过表达抑制了小鼠体内肿瘤生长(P<0.01)。SW480细胞中SOX7的过表达抑制了ERK1/2、c-Jun的表达,并在ERK1/2的激动剂Senkyunolide I的作用下上调了SW480细胞的ERK1/2、c-Jun蛋白表达(P<0.01),逆转了SOX7对SW480细胞中ERK1/2、c-Jun蛋白表达的影响(P<0.01)。HUVEC中SOX7抑制了PD-L1、V-EGFR2、p-PI3K、HIF-1α的蛋白表达,Senkyunolide I上调了HUVEC的PD-L1、V-EGFR2、p-PI3K、HIF-1α的蛋白表达,并逆转了SOX7对HUVEC中上述相关蛋白表达的影响(P<0.01)。PD-1/PD-L1 Inhibitor 3抑制了PD-L1、V-EGFR2、p-PI3K、HIF-1α的蛋白表达,SOX7过表达在PD-1/PD-L1 Inhibitor 3的影响下并没有表现出抑制作用。CCK8实验结果显示SOX7过表达显著抑制了HUVEC的增殖能力,Senkyunolide I作用下的两组HUVEC增殖能力较SOX7 NC组与SOX7 mimic组明显上升,PD-1/PD-L1 Inhibitor 3作用下的两组HUVEC增殖能力较SOX7 NC组与SOX7 mimic组明显下降,以上均有明显统计学差异(P<0.01)。成管实验结果显示SOX7过表达抑制了HUVEC的血管生成,Senkyunolide I强烈加速了血管生成,而PD-1/PD-L1 Inhibitor 3血管生成则被显著抑制,以上均有明显统计学差异(P<0.01)。结论SOX7通过ERK1/2/PD-L1通路抑制结直肠肿瘤的增殖和血管生成,SOX7可能是晚期CRC患者临床治疗中潜在的抗血管生成靶点。

PLOD2和L1CAM在食管鳞状细胞癌中的表达与临床意义

目的探讨赖氨酸羟化酶-2(PLOD2)和细胞黏附分子L1(L1CAM)在食管鳞状细胞癌(ESCC)中的表达,并分析其与ESCC临床病理因素及预后的关系。方法采用免疫组织化学方法(immunohistochemical,IHC)检测172例ESCC组织标本PLOD2、L1CAM和E-cadherin的表达情况。结果在172例ESCC组织中,PLOD2在癌旁组织表达率29.65%(51/172),癌组织表达率为70.35%(121/172),差异有统计学意义(P<0.05);L1CAM在癌旁组织表达率7.56%(13/172),癌组织表达率56.98%(98/172),差异有统计学意义(P<0.05)。PLOD2和L1CAM表达均与肿瘤分化程度、浸润深度、淋巴结转移和TNM分期相关(P<0.05)。Spearman相关性分析发现PLOD2表达与L1CAM呈正相关(r=0.233,P=0.002),PLOD2和L1CAM均与E-cadherin表达呈负相关(r=-0.197,P=0.009;r=-0.358,P<0.001)。多因素生存分析发现PLOD2和L1CAM是ESCC的独立预后因素,PLOD2和L1CAM阳性表达的患者5年总体生存率显著降低(P<0.05)。结论PLOD2和L1CAM在ESCC表达增高,并与ESCC进展密切相关,同时可能参与调节E-cadherin表达,联合分析两者表达可能是判断ESCC转移和预后的新指标。

基于光滑L1/2正则化理论的地震数据重建

L1/2正则化比L1正则化有更稀疏的解,比L0正则化更易求解.本文将L1/2正则化引入到地震数据重建过程,提出了一种基于光滑L1/2正则化的地震数据重建方法.首先建立L1/2正则化地震数据重建模型,并利用光滑渐近函数逼近L1/2正则项,克服了L1/2正则化求解过程中的数值振荡问题;之后根据光滑L1/2正则化理论改进了字典学习算法,提高了冗余字典的训练效率;最后利用训练的冗余字典和半阈值迭代算法对地震数据进行恢复重建.对具有232道、每道751个采样点的地震炮集数据应用结果表明,与基于L1正则化的K-SVD重建方法相比,本方法重建结果的信噪比提高3.3 dB.在计算效率方面,本方法字典训练耗时仅为L1正则化K-SVD的1/3,重建耗时仅为L1正则化K-SVD一半的时间.

基于迭代光滑L_(1/2)算法的变量选择

变量选择是统计学中重要的问题之一,而利用正则化方法来进行变量选择是近年来研究的热点.采用一种迭代光滑L_(1/2)算法,通过增加参数稀疏化阈值条件,使其中绝对值较小的回归参数稀疏为0,从而实现变量选择的功能.将该算法与Lasso(least absolute shrinkage and selection operator),自适应Lasso以及L_(1/2)正则化方法进行比较,数值模拟结果表明该算法同样具有良好的变量选择和预测能力,最后将该算法应用到实际的前列腺数据分析.

基于L_(1/2)正则项的磁共振图像稀疏重构

磁共振图像可以利用压缩感知从数量非常有限的观测数据集合中重构出,然而为了能够做到这一点,必须要解决定义在大量数据集合上的非光滑函数的最小化这一困难问题.通常L1范数能够产生稀疏解,但它往往与真实稀疏解(L0的解)差距甚大.针对该问题,研究一种基于变量分裂的图像重构模型,引入待重构图像的L1/2范数作为新正则项,采用交替增广拉格朗日乘子法进行求解.为考察方法的稳定性和重构效果,结合不同参数等评价标准与现有的图像重构模型进行比较.实验结果表明,L1/2范数作为正则子的图像重构模型相对于原有模型,图像重构结果稳定性好,可以获得更高的信噪比.

MLN4924通过抑制类泛素化通路上调人肺腺癌A549细胞中PD-L1的表达

目的:探究MLN4924对肺腺癌A549细胞中程序性死亡-配体1(PD-L1)表达的影响及其可能的内在机制。方法:体外培养A549细胞,按(0、0.25、0.5、0.75、1、5、10μmol/L)MLN4924分组分别处理24、48、72 h后,CCK-8法检测细胞增殖抑制率,作图并计算各组半数抑制浓度(IC_(50)),流式细胞术检测PD-L1的表达,选择最适时间72 h及其IC_(50)用于后续实验。后续实验按(0、0.469μmol/L)MLN4924分组培养72 h,Western blot法检测FBXW2蛋白、肌段同源盒2(MSX2)蛋白、Y-染色体性别决定基因盒2(SOX2)蛋白、PD-L1蛋白表达,qPCR法测定PD-L1 mRNA表达。结果:MLN4924在24、48、72 h的IC_(50)值分别为(1.976、0.647、0.469)μmol/L;与对照组相比,实验组A549细胞PD-L1表达均上调,呈时间-浓度依赖性。与对照组相比,实验组A549细胞FBXW2、SOX2蛋白表达降低,MSX2蛋白、PD-L1 mRNA及蛋白表达均增加。结论:MLN4924通过抑制类泛素化通路上调人肺腺癌A549细胞中PD-L1表达。

基于L_(1/2)范数约束增量非负矩阵分解的SAR目标识别

增量非负矩阵分解(INMF)随目标样本增加逐渐更新分解模型,能够有效解决NMF算法的计算代价随样本增加而成倍增长的问题。然而INMF在使NMF具备增量学习能力的同时,并未考虑NMF分解矩阵的稀疏性对识别性能的提升作用。针对上述问题,提出基于L1/2范数约束的增量非负矩阵分解(L1/2-INMF)算法,并应用于SAR目标识别。L1/2-INMF采用L1/2范数实时约束增量过程中的NMF分解矩阵,能够在不增加计算复杂度的同时,提升识别性能。针对MSTAR数据集的仿真实验结果表明,提出的L1/2-INMF能够解决传统非负矩阵分解方法计算代价随样本增加而增加的问题。

自适应加权编码L_(1/2)正则化的图像重建算法

针对图像重建过程中噪声去除问题,提出一种自适应加权编码L1/2正则化重建算法。首先,考虑到许多真实图像中不仅含有高斯噪声,而且含有拉普拉斯噪声,设计一种改进的L1-L2混合误差模型(IHEM)算法,该算法兼顾了L1范数与L2范数的各自优点;其次,由于迭代过程中噪声分布会发生改变,设计一种自适应隶属度算法,该算法可以减少迭代次数和运算时间;利用一种自适应加权编码方法,该方法可以有效地去除含有重尾分布特性的拉普拉斯噪声;另外,设计一种L1/2正则化算法,该算法可以得到较稀疏的解。实验结果表明,相比IHEM算法,自适应L1/2正则化图像重建算法的峰值信噪比(PSNR)平均提高了3.46 d B,结构相似度(SSIM)平均提高了0.02,对含有多种噪声的图像处理具有比较理想的效果。

基于L_(1/2)正则化的三维人体姿态重构

针对从给定2D特征点的单目图像中重构对象的3D形状问题,本文在形状空间模型的基础上,结合L_(1/2)正则化和谱范数的性质提出一种基于L_(1/2)正则化的凸松弛方法,将形状空间模型的非凸求解问题通过凸松弛方法转化为凸规划问题;在采用ADMM算法对凸规划问题进行优化求解过程中,提出谱范数近端梯度算法保证解的正交性与稀疏性.利用所提的优化方法,基于形状空间模型和3D可变形状模型在卡内基梅隆大学运动捕获数据库上进行3D人体姿态重构,定性和定量对比实验结果表明本文方法均优于现有的优化方法,验证了所提方法的有效性.

基于l_(1/2)正则化的稀疏表示目标跟踪算法的研究

近年来目标的稀疏表示已经广泛应用到视频跟踪中。文中提出了一种基于局部稀疏表示的鲁棒目标跟踪算法,目标的表示将局部信息考虑在内,并且做出了遮挡处理。为了在新的帧中跟踪到目标,每一个候选目标通过在线构建的过完备字典以及模板解l1/2最小化问题稀疏表示。文中用l1/2规范最小化来代替l0,而不是用l1规范最小化,通过解l1/2最小化问题,可以找到比解l1最小化更稀疏、更精确的解。此外,l1/2比l0更容易求解。目标稀疏表示后,通过在线学习的分类器将目标区分出来。实验结果表明,与现有的一些算法相比,该算法稳定性好,性能更优越。

L_(1/2)范数正则化模型修正方法在结构损伤识别中的应用

利用结构损伤时损伤参数所具有的稀疏性,基于灵敏度分析的有限元模型修正方法,提出一种结合L1/2范数正则化过程的结构损伤识别方法。与以Tikhonov正则化为代表的二次型正则化过程相比,L1/2范数正则化可以有效改善识别结果过度光滑的缺陷;与以L1范数正则化为代表的一次型正则化过程相比较,L1/2范数正则化识别结果更准确。二维框架模型为例的损伤识别数值模拟表明,L1/2范数正则化方法与模型修正方法相结合可以有效抑制实测模态参数中噪声的影响,对于结构局部损伤有更好的识别效果。

基于L_(1/2)自适应稀疏正则化的图像重建算法

为了解决图像超分辨率重建过程中出现的问题,结合图像的稀疏表示,增加控制邻近块兼容性的约束,建立具有邻近块兼容性约束的L1/2稀疏正则化模型.采用加权L2范式代替Lp(0<p<1)范式,对迭代加权最小二乘法进行转化,提出一种自适应正则化参数选取的算法.通过拼接字典的方法,训练出重要的特征并优化了重建图像的质量.实验结果表明,该重建方法在去噪和保留边缘信息方面具有较好的效果,重建的高分辨率图像在视觉上具有清晰锐利的特点,而且在峰值信噪比和结构相似度两项指标上都优于传统的重建方法.

BCL-2与PD-L1联合检测在预测初治急性白血病预后中的价值分析

目的:探讨BCL-2与PD-L1联合检测用于初治急性白血病患者预后评估的临床价值。方法:选取本院血液科2013年1月至2016年9月收治的100例初治急性白血病患者,采用RT-PCR法检测患者骨髓分离细胞中BCL-2及PD-L1的mRNA表达水平,并对患者的预后进行随访。根据随访结果将患者分为完全缓解组与未完全缓解组,统计并分析不同指标预测患者预后的约登指数。结果:与健康对照组相比,AL患者骨髓标本BCL-2、PD-L1阳性表达率均显著升高(P<0.01)。BCL-2单独检测预测患者预后显示,曲线下面积(AUC)为0.725(P=0.006),判断阈值为1.550,Sen和Spe分别为72.0%和84.0%。PD-L1单独检测预测患者预后显示,AUC为0.740(P=0.004),判断阈值为12.500,Sen和Spe分别为66.7%和73.1%。两者联合检测显示,并联检测诊断指数为77.90,高于串联检测54.75,亦高于2项指标单独检测的诊断指数。结论:BCL-2联合PD-L1检测应用于初治急性白血病患者的预后评估,能够提升检测的特异度和敏感度,较2者单独检测有更高的诊断指数(约登指数),在临床评估急性白血病患者预后中有一定临床价值。