基于乳腺肿块的超声射频信号特征算法识别

目的:对超声射频信号进行数据编译与信号处理研究,得到具有临床诊断意义的相关特征参数,用以辅助乳腺肿块的临床诊断。方法:将VINNO 70超声诊断平台的后台数据库提供的超声射频信号数据,在Matlab软件系统中编写标准差及熵值算法,处理数值矩阵中肿块区域与正常组织区域数值,以得到乳腺肿块区域参数。结果:通过标准差及熵值算法的处理显示,正常区域的熵值及标准差数值比肿块区域均高出40%。结论:超声射频信号特征算法中的标准差及熵值算法处理,能够有效区别乳腺肿块区域与正常组织区域。

基于特征算法的克罗诺杆菌OmpA蛋白的生物信息学分析

目的对丙二酸盐克罗诺杆菌外膜蛋白OmpA蛋白的结构与功能进行预测与分析。方法从NCBI数据库获取丙二酸盐克罗诺杆菌外膜蛋白OmpA蛋白的氨基酸序列,利用ProtParam程序、ProtScal程序对OmpA蛋白的理化性质、亲疏水性进行分析,使用SignalP 5.0程序、TMHMM 2.0程序及NetPhos 3.1程序对OmpA蛋白的信号肽、跨膜结构域及磷酸化位点进行分析,运用改进的SOPMA算法、SWISS-MODEL程度对OmpA蛋白的二三级结构进行分析;同时,OmpA蛋白的B细胞/T细胞抗原表位、相互作用蛋白分别采用BepiPred程序/SYFPEITHI程序、STRING程序进行分析。结果丙二酸盐克罗诺杆菌LMG 23826由347个氨基酸组成,定义OmpA蛋白为稳定疏水性蛋白。该蛋白含有信号肽,不含有跨膜区,是一种外膜蛋白。结论OmpA蛋白为疏水性外膜蛋白,具有潜在的B、T细胞抗原表位,可为其抗原性研究和高效表位疫苗的研发提供理论参考。

基于加速稳健特征算法的监控摄像头视频融合技术

视频监控摄像头在现代安防中起到了不可替代的作用,为适应更多环境,摄像头技术也一直在不断发展。本文提出了一种可实现多摄像头画面实时拼接的技术设计方案:基于加速稳健特征算法,实现对视频单帧画面间的特征点进行提取及拼接;使用FFmpeg(Fast Forward Mpeg)媒体处理库进行视频摄像头媒体流文件的分解及最终融合视频的呈现;使用Qt框架实现程序开发及效果展示。经测试表明,该设计方案能在保证不降低画面分辨率的前提下,实现多摄像头的视频画面融合,画面扭曲程度低,为摄像头画面融合提供了一些参考。

基于高低频特征增强算法的室内场景三维重建仿真

为了提高室内设计效率和质量,提出了一种基于高低频特征增强算法的室内场景三维重建仿真方法。利用小波变换算法提取室内场景单图像高低频特征,通过加权引导滤波算法增强高低频特征图像;采用深度神经网络,预测图像的分割图和深度图,并结合长短时记忆网络估计室内场景单图像平面参数。然后整合分割图、深度图与平面参数,实现三维重建。实验结果表明:该方法可有效提取室内场景单图像高低频特征,增强高低频特征图像和提升图像清晰度;三维重建均方归一化误差最高值为0.15。

基于跨阶段特征融合算法的混合部位运动图像超分辨率修复方法

混合部位运动图像存在模糊、失真、低分辨率等问题,且峰值信噪比差值较小。提出基于跨阶段特征融合算法的混合部位运动图像超分辨率修复方法。结合非线性映射关系重构像素点,采用跨阶段特征融合算法,完成混合部位运动图像超分辨率修复。实验结果表明:得到完整的混合部位运动图像修复结果,表现出的峰值信噪比差值较大,修复后的图像分辨率更优,满足了混合部位运动图像的现实应用需求。

我国人工智能政策新词发现与演化研究——一个多特征融合的算法

[目的/意义]作为中文分词的基础研究,新词发现是研究政策创新和扩散的重要技术方法。本文通过改进新词发现算法优化了政策文本分词不准确的问题,并构建词库以支持人工智能政策的演化研究。[方法/过程]提出多特征融合新词发现算法MFF,实现了对人工智能政策新词的挖掘,从新词角度对人工智能政策的创新、延续和扩散进行演化分析。[结果/结论]实验结果证明,本文提出的多特征融合新词发现算法MFF能够有效提升分词效果,丰富领域词库;人工智能政策新词出现的时序变化反映了不同阶段政策关注的重点发展领域,揭示了中央和地方政府在政策创新、延续、扩散和演化方面的特点。

基于函数−特征子空间的水下高分辨方位估计算法

针对有限阵列孔径下传统方位估计方法对低频目标方位分辨能力弱的问题,提出一种基于函数−特征子空间理论的高分辨方位估计算法。该方法在特征子空间算法的基础上,改进其投影扫描向量的子空间分解形式,并在计算流程中引入函数波束形成算法,获得基于指数控制的函数−特征子空间方位估计算法。理论分析与仿真结果表明,该算法涵盖了常规的特征子空间算法,且当指数绝对值小于1时,该算法在保证抗噪性能的前提下,空间方位谱具有更低的旁瓣和更窄的主瓣。试验数据结果表明,该算法在分辨能力方面优于特征子空间等波束形成方法,具有较好的实际应用前景。

基于高效通道注意力机制和特征融合网络的冠心病诊断算法研究

针对冠心病重要特征不确定、诊断模型预测性能低等因素而导致冠心病早期诊断精度低的问题,提出一种基于高效通道注意力机制和特征融合的网络。通过XGBoost(eXtreme Gradient Boosting)来确定冠心病重要特征,设计数据生成图片的特征组合算法以适用该模型;为提高诊断模型预测性能,采用可以提升模型学习能力和特征利用率的高效通道注意力机制模块和特征融合模块。实验结果表明,在UCI克利夫兰心脏病数据集上,与其他诊断算法相比,该算法优于传统机器学习方法,预测精度可达100%且稳定性好。

太赫兹光谱结合特征选择算法分选掺混稻种

农业生产安全是食品安全的重要组成,粳米作为日常食用的大米,劣质掺混种子的快速检验是相关领域的重要研究工作。本研究使用太赫兹时域光谱采集220份掺混稻种和纯品稻种样本的光谱信号,通过傅里叶变换(Fourier transform, FT)对光谱数据进行预处理,将时域信号转化为频域信号作为建模数据集,对QUSET等5种模式识别模型进行分选研究。结果表明,随机森林算法(RF)、连续投影算法(SPA)、变量集群分析耦合迭代保留算法(VCPA-IRIV)等3种算法分别选择9个、6个、25个重要的特征频率,其中VCPA-IRIV作为耦合算法选择的特征频率包含的光谱信息最为丰富。为进一步优化模型,对特征频率选择后建模,在分析速度和识别精准度上显著优于全光谱建模方法,经VCPA-IRIV算法筛选的25个特征频率建立的QUEST和KNN分类对是否掺混的鉴别准确率均能达100%。变量集群分析耦合迭代保留算法能够有效地选择包含信息丰富的太赫兹光谱特征频率,能够有效提升所建立的识别模型的准确率。基于太赫兹光谱和耦合特征选择算法建立的掺混稻种识别模型快速、准确,能够为检测劣质掺混粳米种子提供新的方法。

地下水流场和特征选择算法下土壤潜在污染影响因子研究

目的:探究富阳区域土壤潜在污染的主要影响因子。方法:以区域内主要工业区为研究对象,采集土壤和地下水样品,并进行土壤污染和地下水流场检测。基于地下水流场,采用特征选择算法模拟区域土壤的潜在污染情况,选取土壤潜在污染影响因子并计算贡献率。结果:在选取的潜在污染影响因子中,地下水pH值、土壤含水率和土壤黏粒含量对土壤潜在污染的贡献率最高,分别达到0.155、0.083、0.076。结论:在该区域中,地下水pH值、土壤含水率和土壤黏粒含量为主要的土壤潜在污染影响因子,因此在进行土壤环境改善和土地再利用时应考虑这些因素的影响。

基于多任务特征融合算法的电力大数据增量式自组织映射方法

为了实现电力大数据精准映射,基于多任务特征融合算法研究电力大数据增量式自组织映射方法。对电力大数据进行分解,以线性组合形式划分特征类型;利用多任务特征融合算法设计候选分类类别数量,确定自组织映射目标;通过不同数据的语义长度对应所属类型,实现电力大数据的增量式自组织映射,完成增量式数据的自组织映射方法设计。以某省实际运行的电力公司为测试对象,对其一年内产生的电力大数据作为测试样本,分别将其按照具体的类型进行映射,验证新方法。实验结果表明,新方法可以实现精准的自组织映射,在整个过程中不会产生数据交换误差,具有应用价值。

时序特征提取算法在航空发动机性能模型构建中的应用

时序特征提取算法能够从实际意义出发,高效分析时间序列特征模式,提取可辨识的时间序列特征,挖掘数据蕴涵的规律。随着物联网、大数据和人工智能等技术研究和应用的蓬勃发展,时序特征提取算法在环境、金融、天气预报、工业控制以及天文医学等领域的应用越来越广泛。本文在某型航空发动机数据处理过程中引入时序特征提取算法进行关键特征提取,深入处理分析后获得航空发动机的稳态运行规律,而后基于此完成航空发动机性能模型的轻量化构建。

轻量化人工智能翻译文本特征分类算法

由于人工智能翻译文本整体规模较大,在分类处理时往往存在领域划分异常的情况。为此,文章提出了轻量化人工智能翻译文本特征分类算法,构建了与特定领域相关的领域知识语料库,分别从词汇特征与句法特征2个角度提取人工智能翻译文本的轻量化特征。根据翻译文本特征与对应领域知识语料库特征之间的距离关系,该算法可实现分类处理,在对不同领域文本进行分类时不仅表现出较高的稳定性,且被准确分类文本数量始终保持在18篇以上,具有良好的分类效果。

基于特征点和SAR-SIFT算法的林权测绘地形图像几何配准

目前常规的测绘地形图像几何配准主要通过对单应性矩阵进行求解,从而实现图像配准,由于对待配准图像的灰度化处理程度较低,导致配准精度较差。对此,本文研究基于特征点和合成孔径雷达(SAR)-尺度不变特征变换(SIFT)算法的林权测绘地形图像几何配准方法。首先对SAR图像成像机理进行分析,在此基础上采用滤波算法对图像进行处理,并采用加权平均法对红、绿、蓝三原色(RGB)通道分量进行灰度化处理。然后结合SAR-SIFT算法,构建多层次的尺度空间,并结合海森矩阵对像素梯度值进行计算,生成特征描述子。最后通过对特征描述子的相似度进行计算,结合匹配阈值,实现图像特征点的匹配。实验结果表明:采用基于特征点和SAR-SIFT算法的林权测绘地形图像几何配准方法对图像进行几何配准时,算法的均方根误差值较小,具备较为理想的几何配准精度。

基于特征集重构与多标签分类模型的谐波源定位方法

传统基于谐波状态估计的谐波源定位方法需要专门的同步相量量测装置,工程应用受到限制。为此,基于电能质量监测装置所采集的非同步量测数据,提出了基于特征集重构与多标签分类模型的谐波源定位方法。利用监测数据的充分统计量来挖掘量测时段的谐波信息,同时利用标签特定特征学习算法重构特征集,从而消除冗余特征以及无关特征对于谐波源定位精度的影响;提出基于邻接矩阵以及灵敏度分析的测点配置方法,结合电路网络拓扑信息实现测点的优化配置;提出基于改进极限学习机的谐波源定位方法,该方法以重构特征集为输入,建立多标签分类模型,实现谐波源定位。通过仿真与算例分析,验证了所提方法的可行性及有效性。

基于不同算法筛选糖尿病足溃疡截肢预测模型的比较

目的 探讨不同算法筛选的糖尿病足溃疡(DFU)截肢预测模型。方法 收集2015年1月至2020年12月新疆医科大学第一附属医院收治的364例DFU患者的临床资料,按照截肢情况将其分为截肢组(n=213)和非截肢组(n=151),分别通过单因素分析、Boruta算法和随机森林-递归特征消除(RF-RFE)算法进行截肢危险因素分析,并构建临床预测模型,比较模型的c指数、F1分数和Brier分数,评估模型的预测效能和临床意义。结果 两组患者年龄、高血压病程、冠心病病程、Wagner评分、部位-缺血-神经病变-细菌感染-面积-深度(SINBAD)评分、国际糖尿病足工作组(IWGDF)分级比较,差异均有统计学意义(P﹤0.05)。实验室指标中截肢组患者低密度脂蛋白(LDL)、高密度脂蛋白(HDL)、甘油三酯(TG)、血钙、血磷、白蛋白与球蛋白比值(A/G)、平均血小板分布宽度(PDW)、血红蛋白(Hb)均低于非截肢组患者,截肢组患者球蛋白(GB)、中性粒细胞比例(N)、纤维蛋白原(FIB)、国际标准化比值(INR)、平均红细胞分布宽度(RDW)/白蛋白比率、中性粒细胞/淋巴细胞比值(NLR)、血小板与淋巴细胞比值(PLR)均高于非截肢组患者,差异均有统计学意义(P﹤0.05)。多因素分析结果显示,Wagner分级﹥2级、SINBAD评分﹥3分、FIB、Hb、PDW、INR、年龄均是DFU患者截肢的独立危险因素(P﹤0.05)。传统Logistic回归模型c指数、F1分数和Brier分数分别为0.771、0.809、0.163。采用Boruta算法得出对截肢影响最大的影响因素为年龄、Wagner分级﹥2级、SINBAD评分﹥3分、IWGDF分级﹥3级、A/G、INR、FIB、N、Hb、RDW比白蛋白比率、NLR和PLR,模型c指数、F1分数、Brier分数分别为0.686、0.744、0.163.RF-RFE算法得出DFU截肢危险因素为NLR、PLR、N、肌酐和PDW,模型c指数、F1分数和Brier分数分别为0.748、0.769、0.220。结论 不同算法从不同逻辑对DFU患者截肢的危险因素进行评估,可与传统统计学方法结合,为DFU的治疗决策提供依据互补。

基于伪标签回归和流形正则化的无监督特征选择算法

无监督特征选择是无标签高维数据预处理过程中一种有效的数据降维技术,然而大多数无监督特征选择算法忽略了数据样本本身的类簇结构特性,选择具有低判别性信息的特征.基于此,提出一种基于伪标签回归和流形正则化的无监督特征选择算法.具体地,联合伪标签回归和最大化类间散度来保证算法在迭代过程中学习伪标签,同时,自适应学习数据样本之间的局部几何结构,获得更加精准的标签信息和结构信息,进而选择具有高判别性且能保持数据流形结构的特征.在四个公开数据集上的对比实验表明,提出算法的特征选择结果优于现有的一些无监督特征选择算法.

基于稀疏主成分分析特征选择算法的山楂叶产地判别模型研究

为实现山楂叶产地的快速判别,提出一种基于稀疏主成分分析特征选择(SPCAFS)与支持向量机(SVM)建模的定性分析方法。采用近红外积分球漫反射光谱法采集6个产地共41批山楂叶123份样品的近红外光谱图,经数据预处理后,通过SPCAFS对代表性特征波段进行选择,并采用SVM建立山楂叶近红外产地判别模型。模型与连续投影(SPA),正则化自表示(RSR)和稀疏子空间聚类(SSC)3种特征选择算法进行对比,以准确率、精确度和灵敏度作为评价标准,评估所提模型的预测性能。结果显示,SPCAFS的特征波段数相比于全波长建模从1500减少到21,预测结果的准确率和精确度分别从78%、76%提升至97%、100%。同时,相比于SPA、RSR、SSC算法,准确率分别提升了6%、3%、3%,精确度分别提升了13%、10%、5%,模型的预测能力得到显著提升,基于SPCAFS的SVM判别模型可实现山楂叶南北产地的快速判别。

基于自适应森林优化算法的特征选择算法

森林优化特征选择算法(FSFOA)表现出色,但初始化方法的盲目性以及更新机制的局限性限制了该算法的性能。对FSFOA不足之处加以改进,提出自适应森林优化特征选择算法(AFSFOA)。在初始化过程中,加入特征权重评估算法;在更新机制上,使用自适应参数选择策略以及贪心搜索策略替代原始的更新机制。在不同维度的数据集上进行实验,对比实验结果表明,与FSFOA算法以及近年来提出的较高效的特征选择算法进行对比,在准确率以及维度约简上,AFSFOA算法有很强的竞争力。

基于重叠区域改进SURF的无人机影像快速匹配算法

针对无人机影像匹配算法因影像信息量大、视场大和地物纹理复杂而导致匹配精度及效率低的问题,以加速稳健特征(Speeded Up Robust Features, SURF)算法为基础,提出了一种基于重叠区域改进SURF算法的无人机影像快速匹配算法。算法主要分为3步:(1)利用无人机影像重叠率计算影像特征点检测提取区域,并在区域内进行SURF特征点检测提取,避免无效特征点影响匹配精度与效率;(2)采用同心圆环8区域模板替换原SURF算法矩形模板,并引入影像色彩信息构建34维的特征描述符,进行特征匹配;(3)采用M估计抽样一致性(M-estimator Sample Consensus, MSAC)算法剔除误匹配点,实现影像的精匹配。实验分析表明,所提算法能够有效提升无人机影像特征匹配正确率及算法运行时间效率。