新型融合方法的医学图像预处理和分类

为在尿沉渣的复杂环境中提取适合神经网络识别的图像信息,满足医学检测和分类的准确性要求,提出一种改进型卷积网络(improved convolution neural networks,ICNNs)的图像融合预处理方法。经过融合与重构,得到符合R、G、B要求的高质量射频多光谱信息图像。对比其它预处理方法与神经网络集成的识别分类数据可知,多种尿沉渣成分的识别率得到了显著提高,由聚堆问题引起的识别分类干扰持续下降。ICNNs与BPNNs(back propagation neural networks)集成方法的仿真实验结果表明了ICNNs图像融合预处理方法的先进性,以及ICNNs与BP识别神经网络集成的有效性和鲁棒性。

PLF.sets的实证研究及其高质量仿真应用

为高效率与高质量仿真城市人口迁移与演变趋势,基于Zadeh模糊集的基础知识,引入哲学否定与计算机逻辑中对立否定、中介否定和矛盾否定的概念。在反复研究和论证了三种逻辑否定之间的内在关系、基本特征和融合条件后,创新性地提出了PLF.sets泛逻辑性模糊集,形成可直接参与计算的多种逻辑变量及其演变形式的评价因数集。PLF.sets在饱和验证其运算规则和逻辑转化可行性的前提下,通过已知局部隶属函数g(x)构建出逼近性能良好的整体隶属度函数f(x)。它能够在确定的值域U[a,b]内,使得任意的x(x∈U)映射于f(x)值。并在高度仿真和逼近原始系统规律的同时,逻辑简化系统函数产生的复杂性计算。PLF.Sets于《管理信息系统》教学质量评价的实证研究结果充分证明,PLF.sets方法可以化繁为简,简化运算方法和步骤;显示出高效性、准确性、普适性和简洁性的特点。PLF.sets方法在对北京城市人口迁移与演变趋势仿真的应用表明:(1)北京城市人口流动变化净增加值的定位均是“多”的等级;(2)北京城市人口流动网络及其关联度特征的定性等级均是“高”级别。最终高质量地评估了正向迁移城市的人口流动格局、人口迁移与演变趋势。

泛逻辑性模糊集PLF.Sets的知识学习与方法应用

鉴于综合模糊系统应用中产生的大量复杂运算降低了系统处理的效率,文章一方面优化Zadeh模糊集,以改进模糊系统的性能;另一方面融合中介否定、矛盾否定和对立否定哲学逻辑的知识,以升级模糊判别系统。在证实上述3种否定的基本特征与逻辑关系后,提出了 PLF.Sets泛逻辑性模糊集。将统一选取的实验教学质量评价数据分别输入到PLF.Sets和综合模糊评价模型中运行,最终得到多组不同的仿真数值结果。通过对比分析相应的结果可知,PLF.Sets的实际应用效果存在以下属性:(1)在处理复杂问题时能化繁为简,更具高效性;(2)输出结果有效、合理且准确;(3)哲学逻辑的融入,增强了模糊系统的判断能力,提高了评价精度。