基于多维特征参数的装备状态动态评估方法

针对目前状态评估方法多重视状态特征参数的静态观测值,对时序状态数据所蕴含的趋势信息关注较少的缺点,提出了静态评估与动态评估相结合的状态评估方法。针对多维状态特征条件下赋权难度大的问题,采用变尺度混沌算法进行客观赋权,建立了状态静态评估模型。在静态评估的基础上,提出运用劣化速度间的"距离"修正静态评估结果来进行动态评估。运用近邻样本密度加权的核模糊C均值聚类算法对劣化速度标准向量进行求解,提出了动态调整函数优化算法,建立了完整的装备状态动态评估模型。通过案例分析验证了该方法的有效性。

一种CT医学图像分割新算法

针对临床辅助诊断的需要,提出了一种结合传统分水岭算法和新型核聚类算法的CT医学图像分割新算法。首先,通过分水岭变换,CT图被分割成不同的小区域。然后,根据改进的KFCM算法,利用Mercer核将各个小区域的平均灰度值映射到高维特征空间,使得原来在分水岭算法分割图中未显示出来的特征显现出来。通过此方法,相较于传统核聚类(KFCM)算法,我们可实现更准确的聚类,并有效解决分水岭算法分割CT医学图像的过分割问题,因此能取得更好的分割效果。实验结果显示,本文方法能够很好分割腹腔CT图,获得更清晰的分割图像。