属性多层次结构关系在白细胞形态六分类技术中的应用

具有混合属性的白细胞形态是有着属性多层次结构关系的复杂系统,通过层次化表达属性、变层次利用属性,可以有效实现其六分类识别技术。在分析白细胞形态特征属性多层次结构关系基础上,获取白细胞六种类型目标的决策关系和伴生关系,设计白细胞形态属性多层次结构分类器,从而建立基于属性多层次结构关系的白细胞形态六分类识别方法。对952幅医院实际白细胞图像数据集做对比实验,取得95.98%的平均分类精度,明显高于其他3种经典算法,表明该方法具有较好的分类性能,也证明复杂系统属性多层次结构关系在图像模式识别领域具有重要的理论意义和应用价值。

呼吸信号检测方法的研究

呼吸信号的检测具有很高的临床使用价值,其中采用传感器进行检测已成为较成熟的手段,但由于传感器使用范围的局限性,在某些场合需要采用非接触式检测。主要对现有的呼吸信号的检测方法和应用情况进行了讨论,重点对呼吸信号的测量原理进行了详细的分析,并对呼吸信号检测仪器的研制进行了简单地探讨。

基于优选特征属性偏序结构分析的白细胞图像分类规则发现

基于形式概念分析和属性偏序结构理论,提出了一种白细胞图像分类规则发现模式,从而建立了高效的白细胞图像分类方法。用该方法,首先在大量的白细胞图像区域特征测定实验基础上对白细胞图像优选特征进行了离散化处理,针对白细胞图像数据集构建了形式背景,依据分层类坐标矩阵的属性偏序结构生成方法生成了白细胞图像数据集属性偏序结构图;然后通过对属性偏序结构图分析,发现了6类白细胞相应的6条分类规则;最后,依据分类规则建立了二分树分类器,并且在实际白细胞图像数据集测试实验中取得了94.04%的平均分类精度,该精度明显高于其它3种经典算法,证明了基于优选特征属性偏序结构分析获取的白细胞图像分类规则的可用性、简单性和有效性。

基于激励机制的高校管理队伍建设研究

随着我国高校事业的发展,高校管理队伍原有建设模式已经暴露出众多的弊端,优化高校管理队伍建设模式已经成为打破高校发展瓶颈的重要环节。在本文中,根据高校管理人员的需要层次,设计了高校管理人员的激励机制模型,提出了加强高校管理队伍建设模式的四个有效切入点。

基于期望理论的高校师资学历继续教育激励模型研究

目前,很多高校普遍存在师资队伍学历偏低的问题,亟须通过学历继续教育提高现有师资的学历层次,设计了基于期望理论的高校教师学历继续教育激励模型,结合河北省燕山大学的各种激励实践经验,提出加强高校师资队伍学历继续教育的几个重要着手点。

基于多元图结构子模式表示的模式识别方法

针对统计模式识别和结构模式识别方法各自的局限性,提出一种基于多维数据多元图结构子模式表示(包括图形基元和特征基元表示)的模式识别方法,它体现了模式识别问题研究的一种新思维,具有鲜明的可视化特点。应用多维数据多元图表示原理实现无结构数据的结构化表示,提取出表征多元图图形的图形基元和特征基元,将对象表达为多元图结构特征子模式进行分类识别。利用UCI机器学习数据库中的Iris数据进行了分类实验,实验对比结果显示该方法具有较好的识别效果。

用基于平行坐标图的可视化人机交互技术提取EEG信号特征的方法

应用可视化人机交互(HCI)方法进行了脑电图记录(EEG)信号特征提取技术的研究。该研究一方面在脑机接口(BCI)技术领域提出了一种新的特征提取技术方法,同时通过可视化人机交互的专家智慧参与,实现了面向对象领域和面向数据模式识别的有效结合,克服了单一机器学习的局限性。首先介绍了多元图表示的基本理论,然后提出了基于平行坐标图的可视化人机交互技术,接着进行了单通道和多通道EEG信号特征提取的可视化人机交互技术的研究,最后采用第二届国际脑机接口竞赛中的数据集Ⅳ进行了数据实验。实验表明,本文提出的方法的识别结果优于实验数据集国际竞赛最优结果和文献报道中的当前国际最优结果。

基于PXI平台的矿井通风机振动监控系统设计

基于虚拟仪器技术,采用NI公司的PXI平台和LABVIEW软件设计矿井通风机振动信号监控系统。该系统具有振动信号采集、振动信号分析和振动数据管理等功能。本系统开发周期短,可扩展性强,PXI技术结合LABVIEW开发平台为煤矿井下设备监控提供一种新的技术途径。

基于增量学习和Lasso融合的数据可视化模式识别方法

提出了一种基于增量学习和最小绝对值收缩和选择算子(Lasso)特征选择融合的数据可视化模式识别方法。该方法首先对归一化数据进行一级Lasso筛选特征降维,之后对连续数据进行基于Gini指数的粒化,再送入增量模式学习系统进行增量学习,针对维数大量升高的情况进行Lasso二级特征筛选生成一致模式决策表,生成属性偏序结构图可视化规则发现。数据采用来自UCI的5个数据库,并与分类器KNN,SVM,Adaboost,Random Forest进行分类准确度比较,实验表明,基于该算法的分类精度普遍高于其他分类器水平,且属性偏序结构图可视化层次清晰鲜明。通过增量学习实验设计,得到了准确率、图结构更新和不同比例增量数据的动态关系,其中Pima Indians Diabetes数据学习达到40%时准确率(77.66%)超过Adaboost(75.32%)、SVM(77.27%)、1NN(59.74%)、3NN(75.97%)算法。结果表明该算法进行数据的可视化和模式识别是行之有效的。

基于多颜色空间特征融合的彩色白细胞图像识别

针对白细胞图像色彩多样、纹理复杂,在单个颜色空间下多特征融合分类效果不佳等问题,本文提出一种多颜色空间颜色直方图和纹理粒度特征融合分类算法。首先比较RGB、HSV和Lab三种颜色空间下颜色直方图、纹理粒度两种特征,以及归一化距离、欧氏距离、2度量距离和马氏距离四种相似度计算方法之间的交互性能;然后对人体外周血六种白细胞彩色图片逐一选择高精度、低计算成本的分类计算方式,并进行树状融合,从而建立针对彩色白细胞图像的多颜色空间特征融合分类算法。经实验证明,该方法优于单一颜色空间分类方法,分类精度提高了12.3%。

基于属性层次关系的白细胞图像类间特异特征选取方法研究

为了实现用较低的类间特征维数对正常人体外周血白细胞高效分类,本文提出一种基于属性层次关系的彩色白细胞图像类间特异特征选取方法。本文依据形式概念的属性约束关系,定义并权衡属性度数值,留取类间特异性较高的属性,实现层次关系分层优化及可视化,建立基于分层优化层次关系图的知识表示和发现方法。以正常人体外周血白细胞区域特征为形式背景,通过此方法选取类间特异性较高的属性,挖掘白细胞图像六分类类别特异性,将60种类间属性优化为12种,有效降低了特征维数,提高类间特征分类实效性。通过与经典实验结果比对,证明了该方法的可用性和有效性。

极坐标描述的显微白细胞图像分割算法

本文提出了一种显微细胞图像中粘连白细胞的分割算法。利用指纹图平滑算法对白细胞图像的饱和度分量的直方图进行平滑,获得有意义的谷点,据此分割出白细胞核;根据细胞核的等效半径划定一个圆形区域,使其包含白细胞的全部区域;用极坐标表示粘连白细胞的边缘,通过检测边缘像素点幅角的变化来检测细胞的粘连区域;结合粘连区域的梯度信息重构白细胞边缘,最终精确分割出白细胞。实验表明,本文分割算法具有很好的检全率、检准率和像素误差率性能。