基于介中心性及K-shell的脑网络核心节点评价方法

在对基于核磁共振成像技术重构得到的人脑结构网络的研究中,核心节点的识别是对全脑网络特性展开研究的基础,具有重要意义。给出了一种基于K-shell和介中心性的核心节点评价方法,首先使用以节点局部重要性为标准的度中心性、邻近中心性和介中心性三个中心性评价方法分别对人脑结构网络中的节点重要性展开评估和分析;接着利用以节点全局地位为标准的K-shell分解法对人脑结构网络的核心节点展开分析。实验结果显示,由于同时兼顾了脑网络节点的整体特性和局部特性,该方法能够更全面和准确地识别核心脑区节点。

基于图像灰度差分统计的雾霾污染等级检测方法

针对传统的雾霾污染等级检测方法中实时性较差、以点带面及成本较高等问题,提出一种基于图像灰度差分统计的检测方法。利用人眼能够对雾霾污染图像进行辨识的特点,通过分层处理将图像置于RGB空间下,运用图像灰度差分统计的方法计算图像的特征参量熵值和Canberra距离,对雾霾污染等级进行分类识别。实验结果表明,该算法能有效识别雾霾天气,具有识别率高、实时性强的特点。