改进DCA算法用于工程时序数据异常检测

近年来,我国的隧道工程建设取得了巨大的成就,隧道施工过程中存在诸多不确定性的风险因素,造成施工事故频繁发生,对工程质量和风险控制提出巨大的挑战。针对工程监测数据进行异常分析是解决该问题的重要途径。应用新的智能算法进行异常诊断为工程运营提供了新的风险管理方法和思路。借鉴危险理论在异常诊断方面的优势,提出改进的DCA(dendritic cell algorithm)算法对时间序列数据进行异常检测,取得了良好的检测效果,对不断完善工程风险管理方法具有重要意义。

基于自适应活动轮廓模型的医学图像分割算法研究

针对传统活动轮廓模型中CV模型和LBF模型能量泛函单一,不能准确快速分割灰度不均匀医学图像的问题,提出一种基于自适应的活动轮廓模型。新模型首先对CV模型的全局拟合项进行改进,使改进后的轮廓曲线对灰度变化区域敏感,其次引入LBF模型的局部拟合项,并对局部拟合项和全局拟合项的权重系数采用自适应函数的形式进行调整,得到最终的自适应活动轮廓模型。实验结果表明:新的模型不仅能够对医学图像中灰度不均匀区域起到较好的分割效果,而且对初始轮廓具有较强的鲁棒性,与此同时自适应权重函数的加入提高了算法在图像上的通用性和运算效率。