基于特征分布密度图的通信调制信号识别

针对直接利用时域特征对信号进行识别存在特征不明显、鲁棒性较差的问题,提出了一种基于特征分布密度图的通信调制信号识别方法。通过对通信调制信号进行采样和分析,提取信号的平均值和偏度,并利用高斯核函数计算点概率密度,生成特征分布密度图,再利用深度学习进行分类识别,验证算法的有效性。结果表明:该方法在信噪比为0d B时对10种通信调制信号的识别准确率为83.50%,在信噪比为5d B时对10种通信调制信号的识别准确率为95.25%,该方法识别准确率高、鲁棒性强,可有效应用于无线通信、雷达信号等领域中的信号识别。

基于密度分布特征的深度神经网络模型诊断COVID-19的价值

目的:评价基于密度分布特征(CDD)的深度神经网络(DNN)模型对新型冠状病毒肺炎(COVID-19)的诊断价值。方法:收集42例COVID-19病例和43例非COVID-19肺炎病例。将所有患者的211份胸部CT图像分为训练集(n=128)和验证集(n=83)。参考北美放射学会发布的COVID-19相关性肺炎的CT结构化报告,构建基于CT影像特征的DNN模型(DNN-CTIF)。根据胸部CT图像上肺炎CDD建立DNN-CDD模型。采用ROC曲线分析和决策曲线分析对两种模型进行评价。结果:DNN-CTIF模型的AUC在训练集为0.927,在验证集为0.829。DNN-CDD模型的AUC在训练集为0.965,在验证集为0.929。DNN-CDD模型在验证集的AUC高于DNN-CTIF模型(P=0.047)。决策曲线分析表明在0.04~1.00概率阈值范围内,DNN-CDD模型相比DNN-CTIF模型使患者的净获益更高。结论:DNN-CTIF和DNN-CDD模型对COVID-19均具有较好的诊断性能,其中DNN-CDD模型优于DNN-CTIF模型。

密度分布特征及其在二值图像检索中的应用

图像的形状是描述图像的重要视觉和语义特征,可通过图像中像素点的区域分布表现出来。为了对二值图像进行有效检索,提出了一种基于区域的形状特征——密度分布特征,用来进行二值图像检索。该方法在经过形心定位和子图像区域划分后,可得到2个M维特征向量,其中第1个表示各个子图像区域的目标像素的相对密度,第2个表示各个子图像区域的目标像素在极坐标方向上的相对密度的一阶数值差分。在进行相似性度量时,首先采用Gaussian模型对用这2个特征向量计算得到的距离分别进行归一化处理;然后综合两个特征向量的距离计算总的相似度。实验结果表明,密度分布特征不仅能够有效地刻画二值图像的形状,具有非常好的平移、尺度和旋转不变性,而且检索结果优于Hu不变矩。

基于密度分布特征及机器学习诊断COVID-19相关性肺炎

目的:基于密度分布特征及机器学习诊断新型冠状病毒(COVID-19)相关性肺炎。方法:回顾性收集经荧光逆转录聚合酶链反应检测确诊COVID-19的患者42例(COVID-19组),社区获得性肺炎43例(对照组)。共获得211份胸部CT图像,以6:4比例分层抽样为训练集(126份)及验证集(85份)。采用一种CAD软件中的肺炎模块获得肺炎不同密度区间所占全肺体积的百分比(P/L%)。密度分布特征降维后采用支持向量机(SVM)建模,并评价4种核函数的SVM模型的诊断效能。结果:两组患者的年龄、性别及出现胸膜腔积液的构成比差异均无统计学意义(P>0.05)。肺炎密度分布特征降维后获得32个特征。基于该32个特征建立的4种核函数SVM模型中,多项式SVM模型在验证集的效能最高,受试者特征曲线(ROC)的曲线下面积为0.897(95%可信区间0.828~0.966),P<0.001。准确性为0.906(95%可信区间0.823~0.959),敏感性为0.906,特异性为0.906。结论:基于密度分布特征及机器学习诊断COVID-19相关性肺炎有较高的效能,有助于快速筛选COVID-19患者。

基于卷积神经网络和密度分布特征的人数统计方法

在行人监控视频中,由于行人遮挡、场景光照变化,人群分布不均等因素的影响使得现有方法难以准确统计视频中人数。针对该问题,提出一种基于卷积神经网络和密度分布特征的人数统计方法。该方法首先将场景中的人群依据密度进行划分;对稀疏人群,使用Retinex算法将场景去噪后转换至HSV空间中对行人位置进行预判,并使用栅极损失函数分块训练卷积神经网络提取行人特征,实现对遮挡行人局部位置的识别;对密集人群,提取人群密度分布特征并使用多核回归函数估计人群数量。该算法在PETS2009、UCSD等数据集上进行了测试,实验结果表明所提算法具有更好的统计精度。

一种基于空间密度特征的蛋白质结构相似性判定方法

基于蛋白质分子基本组成元素的空间区域密度特征,进行两种蛋白质结构的一致性比较。对 PDB 蛋白质数据验证的结果表明,作者所使用的方法可以作为任意结构的蛋白质相似性比较的有效辅助手段。对不具备序列相似性的蛋白质或难以直接抽取几何规则的蛋白质分子之间的相似性比较具有现实意义。

基于灰度密度分布特征的肺结节良恶性分类

CT图像中肺结节良恶性鉴别是肺癌计算机辅助诊断研究中的关键。为了提高计算机辅助诊断系统中肺结节良恶性诊断准确性,提出一种基于密度分布特征的肺结节良/恶性判断方法。首先,从肺部肿瘤图像中随机提取图像小单元集并计算其自相关矩阵,然后通过K-means算法对该矩阵实现无监督聚类。特征提取时遍历计算肺结节图像每一像素的灰度密度分布等级,并统计、归一化得到10维特征向量,最后通过卷积方法对特征进行优化。同时,利用随机森林分类器进行模型训练,进而判断肺结节良/恶性水平,提出算法的验证数据为LIDC-IDRI。实验结果表明,最大AUC可达0.955 8。对比分析,该特征表达方法具有更优分类效果和更高鲁棒性。

图像灰度密度分布计算模型及肺结节良恶性分类

提出一种基于密度分布的特征评估算法,同时引入模式识别模型来评估该方法的效率。首先,从肺部肿瘤图像中随机提取像素块集,通过K-均值聚类算法将其分为10类,根据CT图像中肺结节像素值和聚类中心的关系,提取出10维特征向量,利用随机森林分类器进行模型训练,进而判断肺结节良恶性水平。在CT图像公开数据集LIDC-IDRI上的实验表明,分类平均精度达到0.9008。实验结果对比分析表明,提出的特征表达方法具有更优的分类效果和更高的鲁棒性。

泛克里金法在大庆油田徐家围子西北地区密度建模上的应用

通过大庆油田徐家围子西北地区汪家屯、升平以及宋芳屯等 3个构造实测部分的钻井岩心密度及测井密度资料 ,对不同深度平面分布不均匀且较稀疏的密度数据 ,利用泛克里金方法计算加密数据 ,得出地下 2 30 0～ 2 90 0m深度之间的密度分布特征。建立了这一深度空间内的密度模型 ,为利用重力场建模提供了初始模型和密度空间约束。

路由级Internet宏拓扑结构的谱密度分析

针对路由级Internet宏拓扑结构进行了谱密度分布分析与无符号拉普拉斯谱(SLS)分布分析。首先通过对拓扑结构各异的5种采样拓扑图,分别进行谱密度-特征值分布分析,发现5组分析结果表现出高度的一致性,证明了Internet拓扑结构的自相似性,也证明了采样拓扑可以再现局部Internet拓扑结构特征。然后通过采样拓扑图的谱密度-特征值分布函数与ER图、BA无尺度网络拓扑图进行比较,发现三者具有明显区别,得出谱密度-特征值分布函数可作为分辨图谱拓扑结构有效方法的结论。最后通过4组3000点采样拓扑进行SLS分布分析,发现尽管4组3000点采样路由与连接互不相同,但SLS谱分布却非常相似,4组采样拓扑在特征值λ=1处重数均较高,重数次高的特征值都群聚在λ=2处。在特征值从2～103变化过程中表现出较明显的幂律分布特性,其幂指数值保持在3.2813至3.8013之间,特征指数接近。该结论为Internet宏观拓扑结构建模研究提供了量化判据,是Internet拓扑建模研究的重要内容。

基于输出的语音质量客观评价方法研究

在分析语谱图基础上提出了一种基于输出的语音质量客观评价方法———度量语谱图密度分布特征MDCSD (MeasuringDistributionCharacteristicsofSpectrogramDensity)方法 .该方法通过计算功率谱二维联合概率分布特征来描述不同质量语音信号的语谱图特征 ,并以此来对语音质量进行客观评价 .实验结果表明该方法是一种性能良好的基于输出的客观评价方法 ,其评价结果与主观评价的相关度达到了 0 .8左右 .

江浙沪地区养老设施布局的时空分异研究

通过江浙沪地区养老设施的洛伦兹曲线和基尼系数分析,并使用Arc GIS等空间分析类软件揭示2004-2014年江浙沪地区养老设施布局的时空分异特征。结果表明:江浙沪地区的养老设施在时序上出现人均养老设施资源逐渐减少的倾向,在空间上呈现地区养老设施密度与老年人口密度不匹配、养老设施布局不够均匀的问题,提出了养老设施合理布局、有序发展的应对措施。