免疫计算中复合检测集生成算法

在人工免疫系统进行实时监测时,检测器集合的大小和漏检率的高低关系到检测的效率和精度,尽管希望构造一个完整的有效检测器集合,但是由于“洞”的存在,总会有一些非自身字符串无法被检测到,文章在分析“洞”的存在原因的基础上,使用不同匹配长度检测器的集合,提出了复合检测器集生成算法,与其它算法相比计算复杂性降低,同时可以使系统的检测精度大幅提高。

入侵检测集群中的动态自适应负载均衡算法

为了解决传统入侵检测系统无法应付高速网络的问题,提出了入侵检测群集的动态自适应负载均衡算法,该算法给每个节点设置了一个数据包接受区间,通过对网络报文的报头信息做哈希(Hash)运算,把数据包映射到某个节点的接受区间内;根据节点的处理能力和负载调节各个节点接受区间的宽度,从而合理分配各个节点上的网络流量,充分利用所有节点的计算资源。理论分析和实验结果表明,该算法在高带宽环境中有较高的效率。

一种求解组合逻辑电路最小完全检测集的算法

提出一种产生组合逻辑电路最小完全检测集的算法．通过此算法可以得到组合逻辑电路中任意可测故障的测试及最小完全检测集．

一种具有随机单向变异的基于小波框架的奇点集检测图像去噪算法

在图像恢复过程中,奇点集检测结果的准确性很大程度上会受到噪声的干扰,并且在其检测的迭代过程中易陷入局部最优。利用随机全局搜索的思想,借鉴遗传算法的变异操作,提出一种基于小波框架的具有随机单向变异操作的奇点集检测图像去噪算法,在保证图像恢复效果的同时,极大缩短了运算时间。最后通过实验验证了该算法的有效性。

面向不确定需求的检测数据集配置平台设计与实现

目的:设计一个面向不确定需求的检测数据集配置平台。方法:该平台以医学开放式数据入库与管理平台的数据为基础,以医学人工智能标注工具和检测算法技术为支撑,基于浏览器/服务器(Browser/Server,B/S)架构,采用SpringBoot+SpringMVC+MyBatis框架进行设计。整个平台包括数据接入、数据元管理、数据检索和数据配置4个功能模块。结果:该平台实现了数据接入、多条件检索、测试数据集定制,可支撑多家医疗、检测机构开展测试数据集配置工作。结论:该平台能够满足医学人工智能产品检测用户的需求,为多场景医学人工智能产品检测数据配置提供了有效支撑。

结合transformer多尺度实例交互的稀疏集目标检测

为改进稀疏集目标检测方法存在的特征图缺乏空间细节信息、目标特征没有做到全局上下文实例交互、全局语义信息没有得到充分学习等问题,设计了一种结合自适应特征增强和实例特征交互的稀疏集目标检测算法。自适应特征增强模块在特征提取过程中利用不同尺度的池化和卷积来丰富高级语义信息,减小低级语义信息背景噪声的干扰,降低目标错检率和漏检率。实例特征交互模块在边界框回归设计中结合transformer的多层注意力,并融合通道注意力和动态卷积网络对建议框的通道信息进行增强,改善了目标的边缘信息,提高了网络的实例特征交互效率。最后在COCO2017数据集与原始网络进行实验对比,平均精度提升了4.2%,其中在大目标上提升了4.6%,在PASCAL VOC数据集上提升了2.7%。

基于改进YOLOv3的集卡车头防砸检测

在自动化港口集装箱起重机作业流程中,集卡车头防砸检测是不可或缺的一个环节.针对在此环节采用人工确认方法效率低和基于激光扫描方法耗费高、系统复杂的问题,本文提出一种基于作业场景视频图像和深度学习的算法对集卡车头进行目标检测.建立集卡车头样本数据集,采用DCTH-YOLOv3检测模型,通过模型迁移学习方法进行样本训练.DCTH-YOLOv3模型是本文提出的一种改进YOLOv3算法模型,该算法改进了YOLOv3的FPN结构提出一种新的特征金字塔结构—AF_FPN,在高、低阶特征融合时通过引入具有注意力机制的AFF模块聚焦有效特征、抑制干扰噪声,提高了检测精度.另外,使用CIoU loss度量损失替代L2损失,提供更加准确的边界框变化信息,模型检测精度得到进一步提升.实验结果表明:DCTH-YOLOv3算法在GTX1080TI上检测速率可达46 fps,相比YOLOv3算法仅降低了3 fps;检测精度AP0.5为0.9974、AP0.9为0.4897,其中AP0.9相比YOLOv3算法提升了16.4%.本研究算法相比YOLOv3算法,精度更高,更能满足自动化作业对集卡防砸检测高精度、快识别的要求.

基于双向嵌套级联残差的交通标志检测方法

交通标志检测是自动驾驶领域的一个重要课题,其对于检测系统的实时性和精度都有非常高的要求。目标检测领域中的YOLOv3算法是业界公认在精度和速度上都处于前列的一种算法。文中以YOLOv3检测算法作为基础网络,提出一种双向嵌套级联残差单元(bid⁃NCR),替换掉原网络中顺序堆叠的标准残差块。双向嵌套级联残差单元的两条残差边采用相同的结构,都是一次卷积操作加上一次级联残差处理,两条边上级联的标准残差块的数量可以调节,从而形成不同的深度差。然后将两条边的结果逐像素相加,最后再做一次卷积操作。相较于标准残差块,双向嵌套级联残差单元拥有更强的特征提取能力和特征融合能力。文中还提出跨区域压缩模块(CRC),它是对2倍率下采样卷积操作的替代,旨在融合跨区域的通道数据,进一步加强主干网络输入特征图所包含的信息。实验结果表明:提出的模型在CCTSDB数据集上mAP(0.5)、mAP(0.5∶0.95)分别达到96.86%、68.66%,FPS达到66.09帧。相比于YOLOv3算法,3个指标分别提升1.23%、10.35%、127.90%。

改进型集菌检测装置在室内细菌采集及快速检测中的应用效果

目的 分析改进型集菌检测装置在室内细菌采集及快速检测中的应用效果。方法 选取2022年2—8月南昌市新建区疾病预防控制中心的20名操作人员,分别使用常规集菌装置和改进型集菌检测装置进行集菌和检测。比较两种检测装置的使用效果(操作人员完成5个样品集菌和检测总时长及1 h内检测培养皿最大数量)及使用满意度(运行稳定性、操作便捷性、转移方便性及推广适用性)。结果 操作人员采用改进型集菌检测装置完成5个样品的集菌和检测总时长短于常规集菌装置,1 h内检测培养皿最大数量多于常规集菌装置,差异均有统计学意义(P<0.05)。操作人员对改进型集菌检测装置运行稳定性、操作便捷性、推广适用性的满意度均高于常规集菌装置,对转移方便性的满意度低于常规集菌装置,差异有统计学意义(P <0.05)。结论 改进型集菌检测装置在室内细菌采集及快速检测中具有良好的应用效果,不仅能连贯进行集菌和检测过程,还能实现多个培养皿的同时集菌操作,且运行稳定、操作便捷、便于推广,操作人员使用满意度较高。

一种产生组合逻辑电路最小完全检测集的算法

提出了一种产生组合逻辑电路最小完全检测集算法。通过此算法可以得到组合逻辑电路中任意可测故障的测试及最小完全检测集。

CS-MRI中稀疏信号支撑集混合检测方法

针对磁共振成像技术采样过程过慢的问题,给出一种新的基于压缩感知的图像重建方法。通过分析一种特殊的基于奇异值分解(SVD)的信号稀疏表示方法,提出一种结合稀疏信号位置和大小信息的支撑集混合检测方法,并根据该方法改进稀疏信号重建算法FCSA。实验结果证明,在相同的欠采样率下,改进FCSA算法重建图像的峰值信噪比(PSNR)比传统的基于小波稀疏基的FCSA算法重建图像的PSNR高2.21 dB^12.72 dB,比基于SVD稀疏基的FCSA算法重建图像的PSNR高0.87 dB^2.05 dB,且重建时间从基于小波稀疏基的FCSA算法的103.21 s下降至改进FCSA算法的36.91 s。

基于模糊思想生成最有效检测器集的变阈值免疫算法

检测器集是免疫阴性选择算法的关键所在,它直接影响到系统的效率和准确度,因此,如何确定一个最有效检测器集合是提高阴性选择算法性能的关键步骤。利用模糊思想,在定义了模糊相似度与背离度的基础上,提出了一种生成最有效检测器集的变阈值免疫阴性选择算法。该算法匹配阈值可变,采用调整匹配阈值的方法大幅降低黑洞数量;算法确定了一个最有效的检测器集合,有效去除了检测器集中的冗余现象。仿真结果表明,该算法生成的检测器集检测范围较大,空间覆盖率高,黑洞数量大幅下降,算法具有较强的鲁棒性。

免疫计算中最小有效检测器集分析

在构造人工免疫系统时,如果能有效控制免疫计算中检测集的大小,以较小的检测器集合,检测到较大范围的“非己”行为,并且还要具有较高的检测精度,就可以从根本上提高系统的效率。在分析有效检测集各参数间关系的基础上,该文提出了确定最小有效检测器集合相关参数的方法,并通过试验证明使用该方法构造的人工免疫系统的初始化速度、检测准确度和效率均有较大提高。

基于主成分迭代支集检测的多对比度磁共振快速成像

很多磁共振成像应用(如T1、T2参数成像)需要连续采集一系列不同对比度的图像。丰富的对比度机制反映了人体组织的内在特性,为临床提供了有效的定量诊断手段。然而,由于扫描时间过长,这种方法在临床上的应用受到一定的限制。近几年兴起的压缩感知理论在磁共振快速成像方面显示了巨大的潜能。其中,学者们提出一种基于主成分分析的快速磁共振成像方法。该方法从已知的解析物理模型和参数范围中训练主成分,并通过截断的方式利用图像序列的时域稀疏性。但是,当这种截断先验信息不准确时,上述方法可能会产生模型误差。本文通过采用迭代支集检测的方法实现主成分系数支集的适应性估计。文章最后通过两组人体膝盖数据的重建实验,验证了该方法的有效性。

红细胞溶血及冷凝集素导致血常规检测困难一例

1病例资料患者，男，57岁，于2012—02—25在我院进行健康体检。体检时见患者面色蜡黄，眼膜泛黄。抽血后发现血常规管与血流变管均出现快速凝集和溶血，生化与免疫管均未出现溶血。实验室即刻检查血生化及免疫：

改进超集检测策略

一般的超集检测策略都是先进行超集检测,根据检测结果来决定是否将其加入到最大频繁集中,耗时低效,在这里运用索引链表方法来存储已经找到的最大频繁项集。

RSDD-SAR:SAR舰船斜框检测数据集

针对合成孔径雷达(SAR)舰船斜框检测数据集较少,难以满足算法发展和实际应用需求的问题,该文公开了SAR舰船斜框检测数据集(RSDD-SAR),该数据集由84景高分3号数据和41景TerraSAR-X数据切片及2景未剪裁大图,共127景数据构成,包含多种成像模式、多种极化方式、多种分辨率切片7000张,舰船实例10263个,通过自动标注和人工修正相结合的方式高效标注。同时,该文对几种常用的光学遥感图像斜框检测算法和SAR舰船斜框检测算法进行了实验,其中单阶段算法S2ANet检测效果最佳,平均精度达到90.06%。通过实验对比分析形成基准指标,可供相关学者参考。最后,该文通过泛化能力测试,分析讨论了RSDD-SAR数据集训练模型在其他数据集和未剪裁大图上的性能,结果表明:该数据集训练模型具有较好的泛化能力,说明该数据集具有较强的应用价值。RSDD-SAR数据集可在以下网址下载:https://radars.ac.cn/web/data/getData?dataType=SDD-SAR。

一种基于CFCM的集群入侵检测方法的研究

将网络数据流聚类来实现负载平衡已经被广泛应用于集群入侵检测方法中。将相关性思想引入传统模糊C-均值聚类算法(FCM),给出数据流逻辑距离公式,提出了一种相关模糊C-均值聚类算法(CFCM)。最后,将此算法应用于集群入侵检测方法中,利用KDDCup1999数据集进行实验,验证其可行性及准确性。

“类人”社交机器人检测数据集扩充方法研究

该文提出了基于海林格距离的变分进化生成式对抗网络(HVE-GAN),实现“类人”社交机器人检测数据集的扩充。HVE-GAN将进化生成式对抗网络(E-GAN)的生成器修改为变分自编码器(VAE)结构,提高了生成数据的“真实性”及多样性程度;将E-GAN生成器Heuristic损失函数更改为改进的海林格距离,在训练过程中加快了模型收敛速度、稳定了生成器的梯度,避免了不稳定的训练过程影响生成数据质量。实验结果表明,利用HVE-GAN模型生成的“类人”社交机器人数据的“真实性”与多样性程度均明显优于基线模型。

MDPSK判决反馈差分检测联合检测后最大比分集接收

针对MDPSK调制系统提出了采用判决反馈差分检测和检测后最大比合并的联合接收方法。设计了一种结构简单且可实现无限长判决反馈的差分检测器,在慢衰落多径信道中能够得到近似多符号最优检测器的检测性能,相比多符号检测计算量显著降低。分集接收可以有效的对抗多径衰落,采用检测后分集合并方法避免了检测前分集合并所需的同相化函数等复杂计算。仿真结果给出了联合接收方法的良好效果,复杂度分析表明了其易于工程实现。因此,所提算法是一种在慢衰落多径信道中具有低复杂度高性能的联合接收方法。