基于空间域与频域特征自适应融合和类间边界区域增强的三维海马分割

目的海马萎缩是诊断阿尔茨海默病等诸多精神疾病的临床重要标志,因此准确分割海马是一个重要的科学问题。随着深度学习的发展,人们提出了大量先进的自动分割方法。然而,由于MRI中各种噪声的影响以及海马不同类别之间不清晰的边界,三维海马分割仍然具有挑战性。因此本文旨在提出新的自动分割方法来更精确地分割海马头、体、尾。方法为了克服这些挑战,本文提出了两个策略。一种是空间域与频域特征自适应融合策略,通过快速傅立叶变换和卷积自动选择合适的频率组合,减少噪声对特征提取的影响。另一种是类间边界区域增强策略,它允许网络通过加权每个类之间边界区域的损失函数来增强对边界区域的学习,以达到精确定位边界和调节海马头、体、尾大小的目的。结果在50例青少年大脑MRI数据集上进行的实验表明,我们的方法实现了较先进的海马分割,海马头、体、尾相较于现有的方法都取得了一定的提升。消融实验证明我们提出的两种策略有效,我们还在260例Task04_Hippocampus数据集上验证了网络具有强大的泛化能力,说明本文提出的方法可用于更多的海马分割场景。结论我们提出的方法可以帮助临床医生更清楚地观测海马萎缩,并完成更精确的病情诊断和追踪。

结合空间域与变换域特征提取的盲立体图像质量评价

针对立体图像质量预测准确性不足的问题,该文提出了一种结合空间域和变换域提取质量感知特征的无参考立体图像质量评价模型。在空间域和变换域分别提取输入的左、右视图的自然场景统计特征,并在变换域提取合成独眼图的自然场景统计特征,然后将其输入到支持向量回归(SVR)中,训练从特征域到质量分数域的预测模型,并以此建立SIQA客观质量评价模型。在4个公开的立体图像数据库上与一些主流的立体图像质量评价算法进行对比,以在LIVE 3D Phase I图像库中的性能测试为例,Spearman秩相关系数、皮尔逊线性相关系数和均方根误差分别达到0.967,0.946和5.603,验证了所提算法的有效性。

子空间域相关特征变换与融合的语音识别方法

为了提高语音识别准确率,提出了一种子空间域相关特征变换与融合的语音识别方法(MFCC-BN-TC方法)。该方法提取语音短时谱结构特征(BN)和包络特征(MFCC)分别描述语音短时谱结构和包络信息,并采用域相关特征变换的形式分别对BN和MFCC特征进行特征变换;然后对这种变换进行泛化扩展提出子空间域相关特征变换,以采用不同的时间颗粒度(帧和语音分段)进行多层次区分性特征表达;最后,对多种区分性特征变换后的特征进行联合表征训练声学模型,并给出了区分性特征变换与融合的一般框架。实验结果表明:MFCC-BN-TC方法比采用原始BN特征方法和采用MFCC特征基线系统方法,识别性能各自提高了0.98%和1.62%;融合MFCCBN-TC方法变换以后的语音信号特征,相比于融合原始特征,识别率提升了1.5%。

宽带子阵域特征空间稳健对角减载波束形成

针对宽带子阵域自适应波束形成器在实际使用中稳健性下降、对弱信号的检测能力受信噪比限制的问题,提出了一种宽带子阵域特征空间稳健对角减载自适应波束形成方法.首先提出利用子阵域特征空间投影法修正导引向量并得到球形不确定集的估计,再利用RCB(Robust Capon Beamformer)算法得到约束条件下的最优权值.另一方面,利用子阵域互谱密度矩阵的最小特征值作为子阵域非相关噪声功率的估计并进行对角减载,以最优权值对减载矩阵波束形成得到子带波束输出,对每个窄子带重复上述处理,再将结果非相干叠加即可得到本文方法的最终结果.理论及实验分析表明方法能提高自适应波束形成器的稳健性及输出信噪比.

基于混沌分形理论的故障电弧诊断方法研究

引入混沌分形理论,从混沌空间域角度分析故障电弧的内在演化规律和电弧特性,提出一种基于混沌分形理论的故障电弧诊断方法。通过重构相空间和盒维数、关联维数、最大Lyapunov指数等对电弧电流的混沌分形特性进行定性、定量分析,形成电弧的空间域特征向量,构建故障电弧诊断模型。针对低压用电系统中空气压缩机、开关电源等负载线路,对故障电弧发生前后线路电流的混沌分形特性进行分析,验证方法的有效性。实验结果可见,线路电流的分形结构和混沌分形特征参数随着电气线路运行状态的变化而有所差异,且与线路负载性质有关。基于此特征建立的电弧诊断模型电弧检测的准确率超过90%,同时当线路正常运行时,诊断模型能够实现负载辨识,辨识率可达到90%。

智慧用电管理系统中电力客户立体画像的构建及应用

为了实现智慧用电管理系统中电力客户的优化管理,需要对电力客户进行立体画像构造。提出了基于多维类别特征识别和角点标识的智慧用电管理系统中电力客户立体画像构建方法。用户画像信息跟踪采集模型,采用空间特征域分类方法进行用户画像信息分类处理。利用多尺度逐层分析方法进行模糊电力客户画像的精准定位,提取客户立体画像的用电类别特征量,采用特征域分类和分块匹配方法进行立体画像的误差修复,实现用户画像的特征快速准确定位。对提取的电力客户立体画像用电需求特征量采用支持向量机学习算法进行自适应分类,实现对智慧用电管理系统中电力客户立体画像多维构建。结果表明,采用该方法构建电力客户立体画像的特征细分能力较好,客户立体画像信息准确度高。

奇特征有限正交空间中非迷向子空间的Critical问题

利用奇特征正交空间的性质及计数定理在奇特征正交空间中研究了非迷向子空间的Critical问题,得到了相应的计数公式和Critical指数.

基于方向射线与非严格对称属性的纹型快速分类算法

概述并分析了常用的几种纹型分类方法,提出了一种基于方向射线和指纹图像空间域上的非严格对称属性的纹型分类算法。该算法对指纹中心点的定位要求低,纹型特征的维数低,有效减弱了常用方法中这两方面的计算偏差对分类结果的影响。以集合的方式定义出方向射线,进行指纹空间域特征提取,使得特征提取过程更直观,纹型分类策略更简单。最后实验证明了该算法的有效性。

分布式振动光纤信号识别算法研究

分布式振动光纤周界预警系统理论分析和工程经验表明其灵敏度极高,易受环境干扰,如何降低系统虚警区分振动信号是人为入侵还是环境干扰是实际应用的关键。依据系统实际应用的信号特点,提出了一种基于时域和空间域相结合的预处理算法以及频域分布特征的支持向量机（SVM）算法的两级判别方法。预处理算法利用时域和空间域特征寻找局部空间中的异常振动信号提取可疑事件,SVM算法利用频域特征,识别入侵信号。实验结果验证了所提算法的正确性和有效性。

基于MDSF的精神分裂症自动识别算法

为解决精神分裂症检测上临床医师短缺、效率低等问题,提出多维度情感扁平化空间域特征(multi-dimensional spatial characteristics of flatten emotion,MDSF)算法,提取精神分裂症和正常人在情绪表达强度的差异信息。实验提取28个患者及28个对照组语音样本的MDSF,结合SVM实现精神分裂症的自动检测,分析MDSF特征在不同维度下的性能。实验结果表明,应用MDSF三维特征,其精神分裂症自动识别正确率为85.1%-89.1%,优于低维度MDSF的识别性能,且MDSF的识别正确率高于国内外现有技术的正确率。提出的MDSF能为临床医师提供客观有效的辅助诊断。

传统储量计算方法间的内在联系

本文对传统储量计算的各种方法的内在关系从其最本质的空间域特征加权思想出发进行了系统论证,找到并建立了传统储量计算方法间的内在关联方程式,完成了传统储量计算方法间的系统化工作,论证并确立了多边形储量计算方法为传统储量计算方法中的最佳储量计算方法。

一类二元容错码的平均汉明距离

利用有限域上特征为2的正交空间中的全奇异子空间构作了一类容错码,并利用特征为2的正交空间中的计数公式给出了这类容错码的平均汉明距离.