基于端到端深度神经网络和图搜索的OCT图像视网膜层边界分割方法

视网膜层边界的形态变化是眼部视网膜疾病出现的重要标志,光学相干断层扫描(optical coherence tomography,OCT)图像可以捕捉其细微变化,基于OCT图像的视网膜层边界分割能够辅助相关疾病的临床判断.在OCT图像中,由于视网膜层边界的形态变化多样,其中与边界相关的关键信息如上下文信息和显著性边界信息等对层边界的判断和分割至关重要.然而已有分割方法缺乏对以上信息的考虑,导致边界不完整和不连续.针对以上问题,提出一种“由粗到细”的基于端到端深度神经网络和图搜索(graph search,GS)的OCT图像视网膜层边界分割方法,避免了非端到端方法中普遍存在的“断层”现象.在粗分割阶段,提出一种端到端的深度神经网络—注意力全局残差网络(attention global residual network,AGR-Net),以更充分和有效的方式提取上述关键信息.具体地,首先设计一个全局特征模块(global feature module,GFM),通过从图像的4个方向扫描以捕获OCT图像的全局上下文信息;其次,进一步将通道注意力模块(channel attention module,CAM)与全局特征模块串行组合并嵌入到主干网络中,以实现视网膜层及其边界的上下文信息的显著性建模,有效解决OCT图像中由于视网膜层形变和信息提取不充分所导致的误分割问题.在细分割阶段,采用图搜索算法去除AGR-Net粗分割结果中的孤立区域或和孔洞等,保持边界的固定拓扑结构和连续平滑,以实现整体分割结果的进一步优化,为医学临床的诊断提供更完整的参考.最后,在两个公开数据集上从不同的角度对所提出的方法进行性能评估,并与最新方法进行比较.对比实验结果也表明所提方法在分割精度和稳定性方面均优于现有方法.

差分选择策略在复杂多目标优化问题中的研究

在多目标进化算法中,如何提高生成解的质量一直是研究的热点与难点.为解决以上问题,该算法从差分进化算法与计算资源分配策略2个方向进行了研究.根据多目标问题从决策空间到目标空间的映射关系以及差分进化算法基本原理,提出了一种基于双种群的多目标差分选择策略.它利用2个种群来区分个体间收敛性差别,在调整差分参数以适应多目标算法特性的基础上,以收敛性差别为依据选择参与差分运算的个体,从而提高差分算法性能,加快子代个体收敛.另外,根据子代个体收敛速率的不同,动态调整计算资源的分配,进一步提高算法收敛性.与ε-MOEA和MOEA/D-DRA在一系列复杂的多目标优化问题上进行了对比实验,结果表明了所提策略的有效性.

基于混合压缩感知的分簇式网络数据收集方法

为了减少分簇式传感器网络中的数据传输量并均衡网络负载,提出了一种采用混合压缩感知(compressive sensing,CS)进行数据收集的方法.1)选取各临时簇中距离簇质心最近的一些节点为候选簇头节点,然后依据已确定的簇头节点到未确定的候选簇头节点的距离依次确定簇头;2)各普通节点选择加入距离自己最近的簇中;3)贪婪构建一棵以Sink节点为根节点并连接所有簇头节点的数据传输树,对数据传输量高于门限值的节点使用CS压缩数据传输.仿真结果表明:当压缩比率为10时,数据传输量比Clustering without CS和SPT without CS分别减少了75%和65%,比SPT with Hybrid CS和Clustering with Hybrid CS分别减少了35%和20%;节点数据传输量标准差比Clustering without CS和SPT without CS分别减少了62%和81%,比SPT with Hybrid CS和Clustering with Hybrid CS分别减少了41%和19%.

压缩感知中迂回式匹配追踪算法

迂回式匹配追踪(detouring matching pursuit,DMP)是一种计算复杂度低、准确率高、对传感矩阵列相关性要求低的贪婪重构稀疏信号算法.DMP中子内积逆和系数矩阵递增递减核心式被提出并证明,DMP利用子内积逆和系数矩阵减少残差误差变化量的计算量,达到降低计算复杂度的目的.另外,DMP采用先逐个最优缩减、后逐个最优扩增假定支撑集元素的方法提高重构准确率和扩大重构稀疏信号的稀疏度范围.DMP算法复杂度分析表明,DMP算法中获取、缩减和扩增假定支撑集的复杂度分别为O(K2 N),O(b(K-b)N)和O(b(K-b)N).加权间接重构0-1稀疏信号实验结果表明,对于稀疏度为M/2的0-1稀疏信号,DMP、逐步贪婪追踪(greedy pursuit algorithm,GPA)、子空间追踪(subspace pursuit,SP)、压缩采样追踪(compressive sampling matching pursuit,CoSaMP)、正交匹配追踪(orthogonal matching pursuit,OMP)的重构准确率分别为99%,65%,0%,0%和13%.非零值服从正态分布的稀疏信号实验结果也表明DMP的重构准确率优势显著.

基于Storm的在线序列极限学习机的气象预测模型

为提高气象预测精度,实时应对频发的局域气象灾害,拥有更高的处理海量数据的效率,提出了一种基于Storm的在线序列的极限学习机气象预测模型.该模型首先初始化多个在线极限学习机,当新批次的数据不断到达时,模型能够在训练结果的基础上继续学习新样本,并引入随机梯度下降法和误差权值调整方法,对新的预测结果进行误差反馈,实时更新误差权值参数,以提高模型预测准确率.另外,采用Storm流式处理框架对提出的算法模型进行并行化改进,以提高处理海量高维数据的能力.实验结果表明:该模型与基于Hadoop的并行极限学习机算法(parallel extreme learning machine,PELM)相比,具有更高的预测精度和优异的并行性能.

改进卷积神经网络在遥感图像分类中的应用

针对传统卷积神经网络(CNN)稀疏网络结构无法保留全连接网络密集计算的高效性和实验过程中激活函数的经验性选择造成结果不准确或计算量大的问题,提出一种改进卷积神经网络方法对遥感图像进行分类。首先,利用Inception模块的不同尺度卷积核提取图像多尺度特征,然后利用Maxout模型学习隐藏层节点的激活函数,最后通过Softmax方法对图像进行分类。在美国土地使用分类数据集(UCM_Land Use_21)上进行的实验结果表明,在卷积层数相同的情况下,所提方法比传统的CNN方法分类精度提高了约3.66%,比同样也基于多尺度深度卷积神经网络(MS_DCNN)方法分类精度提高了2.11%,比基于低层特征和中层特征的视觉词典等方法分类精度更是提高了10%以上。因此,所提方法具有较高的分类效率,适用于图像分类。

基于多尺度匹配滤波和集成学习的眼底图像微脉瘤检测

针对微脉瘤的灰度分布特性,提出一种新的微脉瘤检测算法。首先通过多尺度匹配滤波筛选出候选微脉瘤病变点,并作为种子点利用区域生长技术分割出病变区域;然后提取病变区域特征向量;最终采用Adaboost神经网络集成分类器检测真实的微脉瘤病变。在公开的ROC数据集测试表明,所提方法检测的平均正确率达到40.92%,优于以往的双环滤波和形态学方法。

WSN中状态轮换分组的数据收集MAC协议

为了减少数据传递延迟,增加网络吞吐量和减少网络负载,提出一种状态轮换分组的MDDMAC(multi-divided deliver MAC)协议.将数据的发送和接收分开进行以减少碰撞和串音,并结合网络拓扑信息,实现节点分组状态轮换,降低网络延迟,减少耗能.OMNet++仿真结果表明:分组数为4的MDD-MAC在十字型网络中的端到端延迟和最大消息负载量分别比DW-MAC少67.59%和89.16%,比TMAC少72.49%和89.80%.在网格网络和随机网络中MDD-MAC的性能也优于DW-MAC和TMAC.

混合种群多样性自适应遗传操作的HMM训练模型

针对传统GA方法训练HMM模型所存在的对遗传控制参数具有较强的敏感性的问题:1)提出一种以混合遗传种群多样性为原则的BPD-AGA算法,该算法依据决定种群多样性的基因型和表现型来自适应地调整遗传参数,使整个遗传迭代过程能够在扩大遗传搜索空间的同时提高最优解的质量;2)提出了一种基于BPD-AGA的HMM训练模型,该模型一方面利用BPD-AGA的自适应选择操作,选择对混合种群多样性贡献最大的个体作为竞争优胜者;另一方面利用BPD-AGA的自适应交叉变异操作,在扩大算法搜索空间的同时保护对混合种群多样性贡献较大的个体,从而保证了HMM解个体的全局最优性;3)为了提高BPD-AGA训练的收敛速度,利用Baum-Welch算法从外部对BPD-AGA的收敛性进行了改善,提出了一个从外部和内部同时改善GA性能的BPD-AGA/Baum-Welch混合模型;4)给出了将所提出的模型和算法应用在交通视频车辆行驶状态判别中的实现过程.仿真实验验证了所提出模型和算法的有效性.

决策空间定向搜索的高维多目标优化策略

传统的多目标进化算法(MOEA)对于低维连续的多目标优化问题已经具有良好的性能,但是随着优化问题目标维数的增加,优化难度也将剧增,主要原因是算法本身搜索能力不足,维数增加时选择压力变小,收敛性和分布性冲突难以平衡.利用连续多目标优化问题的特性,针对高维多目标优化的难点所在,提出了一种在决策空间的定向搜索策略(decision space,简称 DS),该策略可与基于支配关系的 MOEA 相结合.DS 首先对优化问题进行采样分析,对问题特性进行解析,得到收敛性子空间控制向量和分布性子空间控制向量.将算法搜索过程分为收敛性搜索阶段和分布性搜索阶段,分别对应收敛性子空间和分布性子空间,在不同阶段搜索时,利用采样分析结果,对生成子代个体的区域进行宏观的影响.将收敛性和分布性分阶段考虑,避免了收敛性和分布性难以平衡的难点,同时,具体在某一阶段内搜索资源相对集中,一定程度上增加了算法的搜索能力.实验结合了 DS 策略的 NSGA-II,SPEA2 算法与原NSGA-II,SPEA2 算法进行实验对比,并以 DS-NSGA-II 为例,与其他高维算法 MOEAD-PBI,NSGA-III,Hype,MSOPS,LMEA进行对比实验.实验结果表明,DS策略的引入,使得 NSGA-II,SPEA2算法在高维多目标优化问题上的性能有了显著提高,DS-NSGAII 与现有的经典高维多目标算法相比有较强的竞争力.

采用局部搜索的快速视盘检测方法

可靠、有效的视盘定位对自动眼底病变分析具有重要意义。本文提出一种快速自动定位视盘方法,首先基于梯度和亮度信息提取视盘的候选区域点;然后利用血管在视盘区域分布非常集中并且沿垂直方向延伸,对候选点进行匹配滤波最终定位视盘点。本文方法在五个公开的眼底图像数据库1 540幅图像上进行了测试,其中1 514幅眼底图像定位成功,准确率达到了98.3%,STARE图像平均处理时间为6.3 s,在所有正常和病变眼底图像测试中表现出良好的鲁棒性。

基于谐波观测器的Conergy NPC单相逆变器中点平衡策略

提出了一种对周期非正弦信号中各谐波含量实时估计的谐波观测器算法,并将其应用于中点平衡策略。在分析单相全桥Conergy NPC逆变器的开关模型与单相SVPWM调制策略基础上,研究一种基于动态控制参数的中点平衡策略;基于状态观测器原理,设计了滤波电容电压的谐波观测器,实时估计出滤波电容电压中各次谐波分量信息和分量正交信息,利用这些估计信息实现中点平衡策略。仿真和实验都验证了基于谐波观测器的中点电位平衡策略可行性与有效性。

关于部分多值逻辑函数集中准完备集的若干性质

Sheffer函数的最简判定是多值逻辑函数集完备性判定问题中的一个重要的理论和实际问题.文中根据多值逻辑函数理论中"保关系"的系统思想,使用群论和组合数学的工具,研究了部分多值逻辑函数集中准完备类相应关系的若干性质.给出并证明了非空关系Gm是完全关系以及子群H是Gm的对称群的充要条件,定出了部分k值逻辑中完满对称函数类Fs,m中函数集的个数.以上工作为解决部分多值逻辑中Sheffer函数的判定提供了研究基础.

楼宇直流微网用直流母线功率分级控制的新型多输入直流变换器研究

针对传统多输入变换器存在的输入/输出电压反极性、分布式能源汇集结构复杂等问题,提出一种新型多输入直流Buck-Boost变换器,有效实现楼宇直流微网中的风光混合供电,且将蓄电池直接嵌入变换器中,减小体积和降低成本。该变换器具有电路拓扑简洁、可实现升/降压、输入/输出电压同极性、各种分布式输入源可单独或同时向负载供电、蓄电池能根据负载功率变化吸收或释放功率等优点。以三输入为例分析了变换器的工作模式、推导其输入输出特性、提出基于直流母线功率的分级控制实现能量管理。通过Matlab/Simulink平台的仿真实验验证了该变换器的可行性和控制策略的有效性。

基于EEMD-GSGRU的锂电池寿命预测

针对构建锂电池寿命预测数学模型复杂且易出现过拟合及泛化能力差的问题,提出集合经验模态分解(EEMD)和门控循环单元(GRU)并采用网格搜索(GS)的时序分解-集成模型(EEMD-GSGRU)。该模型首先将锂电池剩余容量数据进行信号分解,分解成总占比大的趋势因子和总占比小的误差因子,将分解时间序列分别预测GRU再合并进行实时滚动预测,最后使用GS搜索网络参数,使用Adam优化策略更新GRU网络权重。最后将NASA提供的锂电池数据集用于该模型,并与其他算法进行对比证明本EEMD-GSGRU模型优越性,本模型10次实验的平均均方根误差分别为0.0169、0.0309、0.0111,平均绝对百分误差分别为1.1921、2.2706、0.7279,证明本模型提高了锂电池寿命预测精度。

基于矩阵变换器交流励磁双馈电机逆系统内模控制

研究了基于矩阵变换器交流励磁双馈风力发电系统非线性解耦控制策略。首先建立双馈风力发电系统的数学模型,在此基础上,应用直接反馈线性化逆系统理论,推导双馈风力发电机的逆系统模型,将逆系统模型串联至原系统模型前端,使整个系统精确线性化为伪线性系统;考虑到精确线性化模型受系统参数影响较大的缺点,运用内模控制理论对其进行综合,提高系统的鲁棒性。仿真结果表明,该控制方法具有较快的响应速度和良好的动态性能;并网实验证明,当双馈电机处于亚同步、超同步状态时,双馈电机定子电压和频率均能保持稳定,该方法能够实现变速恒频运行,提高系统的可靠运行。

变速直驱开关磁阻风力发电系统雷电防护技术研究

根据风力发电机组防雷保护的研究成果和相关行业防雷标准,分析雷电的形成、破坏机理及其破坏形式。结合开关磁阻风力发电系统特征,划分雷电防护区域;按照风力发电机组防雷设计应该遵循的原则,通过外部防护和内部防护相结合,提出开关磁阻风力发电系统各部件防雷保护措施。为工程实践中开关磁阻风力发电系统的雷电防护提供一定的参考。

基于2维流形的STL曲面网格重建算法

STL(stereo lithography)作为3D扫描数据和快速原型制造事实上的标准,广泛应用于娱乐、制造业和Internet等领域.随着3D模型越来越复杂,数据量越来越庞大,从STL文件难以快速获得完整拓扑关系且其存在大量冗余信息的缺点,制约了STL网格模型的进一步优化处理与应用.为此,需要针对STL网格模型进行网格重建.针对2维流形的STL三角形曲面网格模型,提出了一种快速的网格重建方法.主要利用删除在重建过程中达到饱和的顶点,以便减少需要比对的顶点数,并结合STL文件数据的相关性来提高顶点搜索与比较的效率.对于非封闭的曲面网格,该算法在提高曲面网格重建效率的同时,还有效地提取了曲面网格模型的边界信息.另外,重建的曲面网格数据文件减少了存储空间,有效地去除了冗余数据.实验结果表明了该算法的高效性及鲁棒性.

高压交直流叠加输电特性研究及仿真

高压交直流叠加输电技术作为一种新的输电方式,无需对现有交流输电线路进行较大改造,可较大程度解决交流输电线路输送容量难以接近其热稳定极限的瓶颈问题,具有一定的应用前景。为进一步推动该技术的发展与应用,分析其主电路结构、直流叠加运行方式,并对Zigzag变压器实现交直流叠加与分离及避免磁饱和的机理进行了分析;研究系统电气叠加比例、输电距离对输送容量的影响特性,并得出系统最优功率传输角与输电距离的关系。建立采用Zigzag变压器的高压交直流叠加输电系统仿真模型,验证了其输电特性的正确性和有效性。

嵌入式PLC系统自动测试中数字滤波算法研究

嵌入式PLC系统自动测试是对嵌入式PLC系统进行全面的功能、性能测试,以保证嵌入式PLC系统的可靠性。数字滤波算法决定了自动测试系统的速度和精度,是自动测试中信号采集最重要的部分。在介绍了嵌入式PLC系统整体架构以及自动测试系统组成后,分析了现有滤波算法的优缺点,在此基础上结合嵌入式PLC系统的测试要求,修改与改进了一种滤波算法,为测试提供了精确、高效的数据来源。