阿尔茨海默病的多层脑网络链路预测重构

功能脑网络的构建工作是阿尔茨海默病辅助诊断中的基础任务.针对基于全频域的单层网络构建方法难以处理小频段间的异质性特征以及脑网络中可能存在错误边或缺失边的问题,提出一种基于多层网络链路预测的功能脑网络模型.利用多层网络框架使节点间存在多个频段描述下的连接关系,并设计融合层间相似性和节点重要性的局部相似性指标,进而基于多层网络拓扑结构进行链路预测,以重构网络结构.实验结果表明,与当前先进的脑网络模型相比,该模型在阿尔茨海默病分类诊断中性能表现更好,证明所提模型能有效提升网络表达的精准性,且在计算机辅助诊断中具有良好的应用价值.

融合片内语义和片间结构特征的自监督CT图像分类方法

针对CT(Computed Tomography)图像分析存在人工标签稀缺、分类性能不佳等问题,文中提出一种融合片内语义和片间结构特征的自监督CT图像分类方法。该方法利用CT图像的层次结构特性和局部组成要素的语义特点,通过混淆切片生成算法对无标签的病灶部位图像进行处理,生成空间指数和混淆切片作为监督信息。在自监督辅助任务中利用ResNet50网络从混淆切片中同时提取与病灶部位相关的CT片内语义和片间结构特征,将学习到的特征迁移到后续医学分类任务中,使得最终模型从无标签数据中获得增益。实验结果表明,当被使用的有标签数据有限时,相比其他针对CT图像的二维模型和三维模型,所提方法的分类性能和标签利用效率更优。

网络舆情事件链演化分析

为防范舆情风险,分析网络舆情的细粒度演化,提出一种去冗余的衍生事件内容关联演化分析框架。通过文本挖掘技术从海量文本流中提取主要的衍生事件,将舆情内容压缩到人工可判读的数量级;利用词移距计算相邻两个时间片上的衍生事件相似度,构建反映演化关系的衍生事件链图。以“上海特斯拉自燃”事件为例进行事件链演化分析,得到微博网络舆情事件发展不同阶段涉事主体在各个衍生事件中的话题转移关系,最后鲁棒性分析的结果验证了该分析方法具有降低微博短文本冗余信息的能力,提高了事件演化关联识别分析的准确性。该研究方法为舆情事件的事后复盘、同类舆情事件的预判和介入、衍生事件的科学研判提供了决策支持。

以软件人才培养为导向的本硕一体化课程改革

针对社会对软件人才的需求,在分析现有高校培养模式的基础上,基于本硕一体化课程的教学模式对软件工程专业课程体系进行改革与优化。该模式根据软件从业人才知识框架,将本科和研究生的教学内容融入一个整体,并按照不同的人才标准进行分层次培养。该模式的推行对于培养符合社会需求的复合型软件人才可起到一定的积极作用。

融合多尺度信息和混合注意力的遥感图像重建

针对使用单一尺寸的卷积核重建遥感图像效果较差的问题,提出了融合多尺度信息和混合注意力的遥感图像重建模型。模型使用两种不同的多尺度特征提取块,能有效提取不同感受野下的特征图中的高频和低频特征,并通过混合注意力机制自适应地调整多尺度特征的权重,利用重建模块重建高清遥感图像。在放大因子为2时,在NWPU-RESISC45和UCMerced-LandUse两个测试集上得到的PSNR(峰值信噪比)和SSIM(结构相似性)分别为37.7204 dB、37.9996 dB和0.9621、0.9654,均优于DSSR、IRN和MPSR等先进的遥感图像超分辨率重建的模型,证明了所设计模型的有效性和鲁棒性。

基于卡尔曼滤波算法的室内无线定位系统

针对基于接收信号强度(RSS)的室内无线定位方法存在信号误差的问题,引入了一种基于模糊自适应控制的卡尔曼滤波算法。该滤波方法不仅有效地抑制了定位数据信息的误差发散,而且能充分利用线性插值法对随机误差进行补偿。实验表明它对静止和移动目标都能有效的提高定位精度,能较全面地满足复杂室内空间定位的需求。

改进的蚁群算法在图像边缘检测中的应用研究

针对传统的蚁群边缘检测算法耗时长的问题,提出基于邻域中节点梯度计算启发式信息值的方法。该方法能够更快更好地引导蚂蚁向边缘节点进行移动,减少耗时。同时,还引入模糊C均值算法,用以确定蚁群算法中信息素阈值,使其更加准确合理,更精确地判断边缘节点。实验表明,该改进算法能够减少耗时,有效地抑制噪声,并能更加有效、精确地检测出图像的边缘。

基于MVC设计模式的Web考试系统的设计

分析了目前Web考试系统的特点,提出了基于MVC(模型视图控制器)模式的系统设计方案,论述了系统的功能和MVC设计模式的解决方案.通过分析表明,MVC设计模式是一种适合于交互式系统的软件设计模式.

MVC设计模式的研究及其应用

开发软件项目,关键是选择一个良好的设计模式。在J2EE应用开发中,采用M VC设计模式,能简化软件开发的过程,加快开发速度。本文讨论了模型-视图-控制器(M VC)设计模式的基本概念及工作原理,并进行了实际应用。

混合定位算法在复杂室内环境下的应用研究

针对复杂室内环境下视距(line of sight,LOS)和非视距(not line of sight,NLOS)并存的三维混合定位技术进行了研究。在LOS环境下,基于到达时间差(time difference of arrival,TDOA)定位算法优于其他定位技术;但受到室内环境尤其是NLOS环境下的多径效应,TDOA定位的精准度大大减弱。若能够正确评估传播衰减系数以此补偿多径效应带来的影响,那么基于接收信号强度(received signal strength,RSS)定位算法受到NLOS多径效应的影响将大大减小。提出了三维混合加权最小二乘(hybrid weighted least square,HWLS)RSS/TDOA算法,通过使用Nakagami-m分布鉴定当前信道是LOS/NLOS路径,用于室内环境下的目标定位,并通过实验验证该算法提高了定位精度。

图像边缘检测中的改进算法

针对传统的蚁群边缘检测算法存在耗时长和易受噪声影响的缺点,提出了一种改进的蚁群边缘检测算法.该算法对蚂蚁路径选择中的启发式信息值的计算方法进行改进,使其计算基于邻域中节点的梯度,能更好地引导蚂蚁向边缘节点进行移动.通过仿真实验表明:该算法与传统的蚁群算法相比,能够减少耗时、抑制噪声及准确快速地检测出图像边缘.

基于E-CNN和BLSTM-CRF的临床文本命名实体识别

在生物医学临床病历文本的命名实体识别任务中,传统的解决方案由于对实体的边界划分不够精确,影响了部分复合实体的识别。通过研究复合实体的特性,提出一种集成的卷积神经网络(E-CNN)模型与双向长短期记忆网络(BLSTM)和条件随机场(CRF)结合的模型,通过对CNN中的卷积层设定不同卷积窗口的大小,来捕获多个词语之间更丰富的边界特征信息。然后将集成的特征信息传递给BLSTM模型进行训练,最后由CRF模型得到最终的序列标注。实验结果表明,该方法针对临床病历文本中的复合实体识别具有良好的效果。

社交网络中隐私保护的匿名模型研究

现有的社交网络隐私保护方法大多针对单个对象:身份隐私或属性隐私,不能全面有效地保护用户隐私.本文提出一种(k,ε)-匿名模型,该模型要求对于任何一个顶点,与其具有相同邻居敏感标签的顶点至少有k-1个,且要求每一个敏感标签在局部邻域的分布和其在整个图中的分布差距在ε(0≤ε≤1)之内,从而在抑制度攻击的前提下,保护了敏感属性信息.由于社交网络庞大复杂且多用图来表示,当前大量研究均是基于其局部子图展开,因此该论文提出一种聚类算法和一种使局部最优化的贪心算法用于实现(k,ε)-匿名模型,并从信息损失度、隐私泄露风险、数据可用性、算法实现效率方面对比了k-degree匿名模型,实验结果表明该匿名模型整体优于k-degree.

快速血糖仪与生化分析仪检测结果一致性比较

目前市场上POCT血糖仪种类繁多,测定原理也各不相同,检测结果差异很大[1]。为此卫生部明确规定,开展POCT的医院应定期将POCT的结果与实验室大型仪器的检测结果进行比对,并明确比对的允许偏倚[2]。对超出允许范围的应及时进行校准和纠正[3]。本文按规定对单位正使用的4款快速血糖仪的检测结果与日立7600全自动生化分析仪的检测结果进行了比对分析,现报道如下。

一种基于ASM和灰度共生矩阵的光头定位检测方法

为了解决视频侦查中光头难以检测的问题,提出使用人脸主动形状模型ASM(Active Shape Model)定位人头区域,灰度共生矩阵特征检测光头的算法。首先,用改进的YCrCb颜色空间的肤色模型排除背景干扰,减少人脸特征点配准的搜索时间;其次,在肤色区域用人脸ASM模型作人脸特征点配准,根据人脸的比例关系,估算出头顶位置和人脸左半部分的面颊区域;最后,对得到的两个区域用灰度共生矩阵作纹理分析来判断光头和非光头。针对测试库中的图片运用此算法,运行结果表明,所提算法实用、有效。

语义网络支持下的跨媒体一致性表示研究

对不同媒体形式的数据进行内蕴知识分析,对其一致性进行表示,是跨媒体时代重要的研究目标之一.传统的知识表达方式大多是基于多媒体文档,对跨媒体数据很难准确表达其之间的知识结构,为了解决跨媒体知识表示的特殊性,研究出一种语义网络支持下的跨媒体的一致性表示方法.详细阐述建立数学模型过程,在主媒体与子媒体之间构建映射语义空间,然后进行语义关联计算,对多媒体对象进行属性感知,完成对跨媒体的单一信息载体进行有效性辨识和属性抽取,最后利用本体知识,构建语义网络,从而进行一致性表示分析.数据集实验结果表明,该方法能够克服多媒体文档知识表示的局限性,具有较好的实用性及准确度.

基于用户权威度与热度分配聚类的微博热点发现

针对微博热点算法未合理进行微博文本和微博用户相结合的问题,提出基于用户权威度与热度分配聚类的微博热点挖掘算法。对微博文本进行分词,得到特征词并使用改进TF-IDF为特征词分配权重,通过权重大小进行降序排序,对微博文本进行聚类分析得到主题类簇,使用ULRank算法计算用户权威度,综合特征词权重、用户权威度和引用关系为特征词分配热度,得到特征词的热度排序结果,获取特征词对应聚类类簇的大概主题即热点话题。实验结果表明,该方法的吞吐量、运行效率、准确率及F值表现较好,能够较全面地反映当前的热点话题。

一种带隐私保护的基于标签的推荐算法研究

在基于标签的推荐中,标签起着联系用户和信息资源的作用。但由于存在语义特性,相较于评分数据,标签数据在一定程度上更能够直接反映用户喜好,隐私问题更为突出。推荐服务器收集用户的历史标签记录,一旦攻击者通过攻击推荐服务器而获得了用户信息,将造成严重的用户隐私泄露问题。对此,提出一种带有隐私保护的基于标签k-means聚类的资源推荐方法 CDP k-meansRA,即利用Crowds网络进行用户发送方匿名保护,并且将ε-差分隐私保护融入改进的标签k-means聚类算法中。通过实验将提出的CDP k-meansRA与k-meansRA等算法进行比较,证明了CDP k-meansRA能够在保护用户隐私的前提下,保证一定的推荐质量。

基于LSA和结构特性的微博话题检测

针对传统的话题检测方法在处理大规模微博短文本时出现的降维能力不足和语义信息丢失等问题,提出基于潜在语义分析和结构特性相结合的微博话题检测方法。根据微博的对话属性和传播模型,首先要合并微博讨论树扩展微博文本,创建基于潜在语义分析(LSA)的微博文本模型以解决数据稀疏性问题,最后结合时间信息给出新的相似度计算方法,并采用凝聚层次聚类法检测微博话题。实验结果表明,提出的方法降低了话题检测的错失率,大大提高了微博话题检测的性能。

融合BSRU和ATT-CNN的化学物质与疾病的关系抽取方法

医学文本中经常存在某个化学物质与多个不同疾病同时相关的情况,传统的深度学习方法不能充分利用句子的长距离依赖信息和其他文本特征,导致医学实体较多的长文本中存在核心实体关系不精确的问题.为此提出双向简单循环神经网络(BSRU)与带注意力机制的卷积神经网络(ATT-CNN)相结合的模型,双向简单循环网络实现文本的长距离依赖信息和多种特征信息的向量表示,注意力机制-卷积神经网络减少噪声影响后使用不同大小的卷积核学习文本的多种特征,分段池化后通过分类完成关系抽取.通过实验验证,本文模型在化学物质与疾病的关系抽取中具有良好表现.