SML与侧窗滤波的Framelet域医学图像融合方法

针对医学融合图像中病灶信息不清晰的问题,提出了一种框架变换(framelet transform,FT)域的医学图像融合方法。针对待融合医学源图像进行FT变换,分别获得一幅低频子带图像和一系列高频子带图像;构建改进型拉普拉斯能量和模型,实现低频子带图像中主体信息的融合,并得到对应的低频子带融合图像;构建改进型侧窗滤波模型,实现高频子带图像中的细节和纹理信息的有效融合,并获得高频子带融合图像;针对低频子带融合图像和高频子带融合图像进行FT逆变换,从而获得最终融合结果图像。仿真实验结果表明,与近年的代表性方法相比,基于该方法生成的融合图像无论在主观视觉效果还是客观评价指标方面均具有显著的优势。

BERT和LSI的端到端方面级情感分析模型

针对现有基于端到端方面的情感分析(E2E-ABSA)方法研究中没有充分利用文本信息的不足,提出了一种基于BERT与融合词性、句法信息(lexical and syntactic information,LSI)的模型LSI-BERT。使用BERT嵌入层和TFM特征提取器来提取语义信息,并通过工业级自然语言处理工具SpaCy提取词性信息,引入两个权重因子α和β对语义与词性信息进行融合;采用图注意网络(graph attention networks,GAT)根据句法依存树生成的邻接矩阵进行句法依存信息的提取;利用双流注意力网络针对句法依存信息和融合了词性信息的文本信息进行融合,使这两种信息实现更好的交互。实验结果表明,模型在三个常用基准数据集上的性能优于当前代表模型。

基于NSCT和IHS变换域的灰度可见光与红外图像融合方法

针对灰度可见光与红外图像的融合问题,提出了一种基于非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)和IHS变换域的自适应融合方法。该方法利用IHS变换域的有效分离图像亮度信息和光谱信息的优势,对灰度可见光图像进行彩色传递并得到亮度、色调、饱合度(intensity hue saturation,IHS)三个分量的值;然后通过NSCT变换分别对可见光图像的I分量和红外图像进行多尺度和多方向分解,并采用一定的融合规则得到融合图像的低频分量和高频分量,而后进行NSCT逆变换得到灰度融合图像并将其作为最终融合图像的I分量,最后进行IHS逆变换得到红绿蓝(red-green-blue,RGB)彩色融合图像。理论分析和仿真实验验证了该算法的有效性。

基于NSST域人眼视觉特性的图像融合方法

针对多传感器图像融合问题,提出一种基于非下采样Shearlet变换域与人眼视觉特性的图像融合方法.采用非下采样Shearlet变换对源图像进行多尺度、多方向稀疏分解,得到低频子带图像和一系列不同尺度、不同方向的高频子带图像;提出一种视觉敏感度系数作为各子带图像融合的考量标准完成对源图像各对应子带图像的融合,设计了基于非下采样Shearlet变换与人眼视觉特性的图像融合算法,并采用非下采样Shearlet逆变换获得最终融合图像.仿真结果表明:该方法不仅拥有更理想的融合效果,还具有较高的运行效率.

军队院校数字图像处理课程的教学优化改革

针对数字图像处理课程基础理论抽象、实用性强的特点,分析和探讨该课程教学中存在的若干问题及原因,从师资力量建设、课程标准制定、教学方法与设计、考核方法 4个方面阐述数字图像处理课程的教学优化改革方案。

对军队院校研究生培养现状与改革的思考

基于军队院校研究生培养的现状,从军队用人政策、研究生教育制度以及研究生教育理念三个方面对当前军队院校在研究生培养过程中存在的若干问题进行了分析,并结合上述方面的问题提出了军队院校研究生培养模式的改革建议。

直觉模糊粗糙推理的规则库完备性研究

针对规则库检验问题,提出了直觉模糊粗糙规则库的完备性检验方法。首先,引入直觉模糊粗糙集的概念,给出了直觉模糊粗糙规则库的完备性定义;其次,针对直觉模糊粗糙规则库的完备性,提出了完备性检验算法,指出如何设计规则库才能满足完备性要求;最后,通过实例验证了算法的合理性和有效性。

融合注意力机制的混合神经网络文本情感分析模型

以往的文本情感分析模型存在忽略文本边缘信息、池化层破坏文本序列特征的问题,并且特征提取能力与识别关键信息的能力也存在不足。为了进一步提升情感分析的效果,提出了一种基于注意力机制的动态卷积神经网络(Dynamic Convolutional Neural Network,DCNN)与双向门控循环单元(Bi-directional Gated Recurrent Unit,BiGRU)的文本情感分析模型DCNN-BiGRU-Att。首先,利用宽卷积核提取文本边缘特征,采用动态k-max池化保留了文本的相对位置序列特征。其次,构建了DCNN与BiGRU的并行混合结构,避免了部分特征损失问题,并同时保留局部特征与全局上下文信息两种特征,提高了模型的特征提取能力。最后,在特征融合之后引入注意力机制,将注意力机制的作用全局化,提高了模型识别关键信息的能力。将该模型在MR与SST-2两个公开数据集上与多个深度学习模型进行对比,其准确率分别提高了1.27%和1.07%,充分证明了该模型的合理有效性。

直觉模糊粗糙推理的规则互作用性研究

针对直觉模糊粗糙逻辑(IFRL)推理的规则库检验问题,提出了IFRL规则库的互作用性检验方法。互作用性检验是逻辑规则库检验的一项重要内容,它可以有效地分析出规则间的关系。利用直觉模糊粗糙集(IFRS)及其包含关系的概念,提出了正规IFRS和IFRL规则库的互作用性定义。在此基础上,将直觉模糊逻辑(IFL)的3个定理推广到IFRL领域,并给予了证明。提出的互作用性定义和推广后的3个定理可以作为检验规则间互作用性的方法。

直觉模糊粗糙集推理规则的相容性研究

针对直觉模糊粗糙集(IFRS)逻辑推理规则的相容性问题,提出一种IFRS逻辑推理规则的不相容度检验算法。利用基于包含度的粗糙集模型,给出了IFRS逻辑推理规则的相容性定义,设计了不相容度检验算法。最后通过算例,验证了该算法的有效性和可行性。该算法可以有效处理属性值均为直觉模糊值的信息表,给出各IFRS逻辑推理规则间的不相容度,从而可对规则库中的规则进行相容性检验。

军校合训学员计算机课程教学优化改革

针对军校合训学员的现实特点以及计算机课程教学中暴露出来的若干问题,从教员配置、教员主观能动性发挥、课程内容调整以及考核方式优化改革4个方面介绍合训人才计算机课程教学的实践经验。

基于直觉模糊核匹配追踪的目标识别方法

针对反导目标识别系统需对具有不同重要性的目标类别进行不同精度识别这一问题,提出一种基于直觉模糊核匹配追踪的目标识别方法.该方法利用核匹配追踪算法及平方间隔损失函数的优势设计了基于平方间隔损失函数的直觉模糊核匹配追踪学习机,并进一步扩展到任意非平方间隔损失函数,建立基于任意损失函数的直觉模糊核匹配追踪学习机.提出直觉模糊参数函数化的选取算法,使学习机的最终判决对指定的重要目标类别达到较高的识别精度.线性、同心圆样本高精度识别的实验分别展示了直觉模糊核匹配追踪算法的优越性,实际目标样本的识别结果验证了该方法的高识别率.

基于自适应直觉模糊推理的目标识别方法

将自适应神经网络——直觉模糊推理系统(adaptive neuro-intuitionistic fuzzy inference system,ANIFIS)引入信息融合领域,提出一种基于自适应直觉模糊推理的目标识别方法。首先,分析了现有目标识别方法的特点与局限性,建立了基于ANIFIS的Takagi-Sugeno型目标识别模型。其次,设计了系统变量属性函数和推理规则,确定了各层输入输出计算关系及合成计算表达式。再次,设计了学习算法对网络和规则进行训练修改。最后,以20批典型目标的类型识别为例,分析比较基于直觉模糊推理及ANIFIS推理的输出结果与识别精度。仿真结果表明该方法是一种比较实用、有效的决策融合方法。

基于模糊核聚类的鲁棒性基础矩阵估计算法

提出一种基于模糊核聚类的鲁棒性基础矩阵估计算法。算法提取匹配点的余差作为特征,利用核函数将一维非线性可分特征映射到高维可分空间,在高维特征空间利用模糊均值分类将匹配点分为内点集和外点集;用高斯函数分别对已分类的内点集和外点集进行建模,定义并计算两类高斯分布的可分性判定值;判断该判定值是否收敛,如未收敛则以内点集作为初始值重新迭代计算。模拟数据和真实数据的基础矩阵估计实验表明,本文算法在计算效率和精度上均优于经典的随机抽样一致性算法。

基于空间点特征和改进Hausdorff距离的图像配准方法

在基于特征的图像配准中,针对基于边缘的Hausdorff距离计算效率低的问题,提出用能表示图像空间结构的特征点来进行Hausdorff距离计算的方法。该方法是通过检测图像中的特征点来减少匹配点集中点的数量,实验证明了该方法的有效性,以及在计算和匹配时间上要优于基于边缘特征的Hausdorff距离计算方法。针对稀疏特征点集的特点,提出了改进Hausdorff距离,该距离通过改进部分Hausdorff距离使其更加适用于稀疏点集的距离计算,实验表明该距离在抗噪等方面优于其他Hausdorff距离。

基于直觉模糊c均值聚类核匹配追踪的弹道中段目标识别方法

针对核匹配追踪算法(KMP,kernel matching pursuit)进行全局最优搜索导致学习时间过长这一缺陷,汲取直觉模糊c均值聚类(IFCM,intuitionistic fuzzy c-means)算法的动态聚类特性优势,提出一种基于直觉模糊c均值聚类的核匹配追踪(IFCM-KMP,intuitionistic fuzzy c-means kernel matching pursuit)算法,且对UCI库中4组实际样本数据进行了分类实验及有效性测试。最后,选取高分辨距离像(HRRP)这一弹道中段目标识别常用的特征属性,对其进行特征提取获得子像,并分别采用FCM,KMP,IFCM-KMP 3种算法对真弹头进行目标识别仿真实验及结果对比分析,充分表明了IFCM-KMP算法用于弹道中段目标识别较之FCM、KMP的优越性及有效性。

基于稀疏表示字典学习的植物分类方法

基于叶片图像的植物分类方法研究是植物分类学的一个重要研究方向。由于叶片图像的复杂性和对季节、光照等条件比较敏感,使得现有的植物分类方法的分类效果不佳。该文提出了一种基于稀疏表示字典学习的植物物种识别方法,该方法将植物分类问题转化为求解待分类叶片图像对于训练样本植物叶片图像的稀疏表示问题;再利用面向植物叶片图像类别的字典学习,寻求一个较小的、并经过优化的超完备字典来计算待识别叶片图像的稀疏表示。与已有植物分类方法比较,该方法的创新点为直接对原始叶片图像进行处理,不需要从每幅叶片图像中提取颜色、纹理和形状等分类特征,从而极大降低了植物分类方法的复杂度,提高了分类方法的实时性和鲁棒性。在公开的植物叶片图像数据库中对50类植物叶片图像进行了分类实验,识别率高达92%以上。

基于局部二值模式的作物叶部病斑检测

根据作物叶片症状准确、快速检测作物病害是防治和控制作物病害的基础。为准确检测作物叶部病害,在窗阈值中心对称局部二值模式(WTCSLBP)的基础上,提出了一种作物病斑检测方法。首先利用自适应局部二值模式获取正常叶片图像特征并确定病斑判断阈值,然后将待检测叶片图像分割为大小相同的检测窗,并提取同样特征与阈值进行比较,以判断该检测窗是否有病斑。在三种苹果病害叶片图像数据库上的实验结果表明,该方法能够有效检测作物病斑分布特性。与中心对称LBP(CS-LBP)和WTCSLBP相比,该方法具有更少的特征维数和更高的正确识别率。

一种基于LEACH协议高效节能的数据融合算法

针对无线传感器网络LEACH协议中簇首节点传输数据的冗余,使通信量过大,导致整个网络寿命短的问题,考虑到不同属性数据存在线性相关性,通过引入云理论和最小二乘的思想,提出了一种云加权—最小二乘(CW-LS)数据融合算法。仿真结果和分析表明:该算法能够消除冗余信息,使数据更加准确,减少了数据传输量,从而有效地延长了网络寿命。

基于计算思维的“加涅式”新型计算机课程教学法

为适应军队在实战与军事训练等方面的迫切需要,我军队院校亟需培养大批知识型、创新型、复合型的军事人才,提出一种关于计算机课程的教学改革方法——基于计算思维的"加涅式"新型计算机课程教学法。该教学方法的核心目标是"两个中心",即以培养"计算思维"能力为中心和以"学员为中心"的"加涅式"教学方法。将这两种教学理念有机结合,将会大大提高新型军事人才的"自主学习及创新探索"能力,从而进一步提升了我军信息化、网络化的实战高度与要求。