多相水平集协同空间模糊聚类图像多目标分割

图像多目标分割的研究对于机器视觉发展具有重要意义。多相水平集模型(Multiphase level set,MLS)对零水平集函数初始位置和噪声敏感,当初始位置不适宜、噪声较大时无法准确分割多目标。针对上述问题,提出一种多相水平集模型协同空间模糊C-均值聚类(Spatial fuzzy C-means,SFCM)的图像多目标分割算法,即SFCM-MLS算法。首先用空间模糊聚类获取图像多目标粗分割结果,然后用粗分割结果定义多相水平集模型的初始水平集函数对图像做精分割。针对人脑磁共振成像(Magnetic resonance imaging,MRI)图像和患有肿瘤的肝脏计算机扫描断层图像多目标分割试验结果表明,与经典多相水平集模型相比,SFCM-MLS算法对初始位置不敏感,提高了图像多目标分割的准确性。

基于神经网络的中超联赛球队实力水平聚类方法研究

为了在足球比赛中更准确、快速地寻找种子队,客观对球队分组,提出一种基于自组织特征映射网络和模糊聚类分析相结合的聚类方法。运用该方法将中超联赛的16支球队聚成四类作为评价标准,任选两支球队对该聚类方法进行测试,并与球队比赛成绩对照。结果发现:所提的聚类方法是合理的,可以客观地反映出参赛球队的实力和水平,有效地进行球队赛前水平评估和球队分组。

丹江口水库入库流量过程的模糊聚类

汉江丹江口水库流域内各地的气候、地貌等自然条件存在着明显的差异性,各种天气系统对降水的影响程度也不相同,这就使得入库流量出现持续偏丰、持续偏枯、有夏讯无秋讯、有秋讯无夏讯等。复杂的年变化过程。虽然不同年间的流量过程有相似之处,但没有完全相同的重现,各年都有其不同的特点,这无疑对入库流量的长期予报和水库的合理调度都增加了许多困难。为了寻找丹江口水库入库流量的变化规律和流量过程经常出现的类型,给入库流量的长期予报提供科学依据,实现水库的合理调度,充分利用水资源,使水库最大限度发挥防洪、

论小学高年级学生的阅读训练

探讨小学五年级学生在阅读训练过程中的阅读水平提高情况，以及阅读水平提高对语篇聚类水平迁移的影响。结果表明，阅读训练能够明显提高学生的阅读水平，同时，训练的效果可以迁移到语篇聚类能力上，显著地提高了学生的语篇聚类水平。

不同计算机自动分割算法对不规则脑出血CT图像分割的对比研究

目的通过对比三种计算机自动分割算法对不规则脑出血区域分割的准确性,以得出自动识别不规则脑出血区域的最佳算法。方法选取20例不规则脑出血患者的计算机体层摄影(Computed Tomography,CT)头颅平扫图像作为研究对象,分别采用模糊聚类水平集算法(Fuzzy Clustering and Distance Regularized Level Set Evolution,FCRLS)、阈值法、区域生长法对同一图像进行病灶分割,并以人工勾画病灶区图像作为“金标准”,采用戴斯相似性系数(Dice Similarity Coefficient,DSC)、杰卡德指数(Jaccard Index)、相对体积差(Relative Volume Difference,RVD)比较不同算法对病灶分割的精确度和重合度。结果FCRLS、阈值法、区域生长法的Dice系数分别为(0.88±0.04)、(0.76±0.13)、(0.71±0.12);Jaccard系数分别为(0.80±0.07)、(0.63±0.17)、(0.56±0.14);RVD值分别为(0.12±0.13)、(0.42±0.50)、(0.79±0.52)。FCRLS的Dice、Jaccard系数大于灰度阈值法和区域生长法,差异具有统计学意义(P<0.001);FCRLS的RVD值小于灰度阈值法和区域生长法,差异具有统计学意义(P<0.001)。结论FCRLS、阈值法、区域生长法三种算法比较,FCRLS对于不规则脑出血病灶的自动提取的准确性、鲁棒性均最高,可用于临床辅助诊断和后续治疗。

多水平潜在类别模型在教育评价中的应用——以英语学业能力测验为例

多水平潜在类别分析是对潜在类别分析在多水平数据结构上的方法拓展。在阐述模型原理的基础上,分别使用潜在类别聚类分析和传统聚类分析对某地区191所小学英语阅读测验的实证数据进行学生和学校水平上的类型划分,并进行方法比较。结果发现:多水平潜在类别分析是教育评价和研究中类别型数据处理方法的一个有效的补充,有弱假设、客观等方法应用的优势,既能区分样本个体的能力结构差异,又能对群组的教育水平进行类型划分。

Gaussian mixture models for clustering and classifying traffic flow in real-time for traffic operation and management

Based on Gaussian mixture models（GMM）, speed, flow and occupancy are used together in the cluster analysis of traffic flow data. Compared with other clustering and sorting techniques, as a structural model, the GMM is suitable for various kinds of traffic flow parameters. Gap statistics and domain knowledge of traffic flow are used to determine a proper number of clusters. The expectation-maximization （E-M） algorithm is used to estimate parameters of the GMM model. The clustered traffic flow pattems are then analyzed statistically and utilized for designing maximum likelihood classifiers for grouping real-time traffic flow data when new observations become available. Clustering analysis and pattern recognition can also be used to cluster and classify dynamic traffic flow patterns for freeway on-ramp and off-ramp weaving sections as well as for other facilities or things involving the concept of level of service, such as airports, parking lots, intersections, interrupted-flow pedestrian facilities, etc.

基于FCM算法对刮板输送机故障的分析与诊断

在分析刮板输送机故障原因的基础上,利用FCM算法进行故障检测分析,得到以下结论:刮板输送机故障主要是由于刮板输送机内温度过高所致。利用FCM算法不仅使聚类水平更加清晰,分层更加贴近实际,而且使分类能力增强且分类结果更加准确,值得推广使用。

灰度图像下车牌定位与分割算法研究

给出了一种能在复杂交通环境下对汽车牌照进行定位和分割的算法。算法都是基于灰度图像的。在定位算法中,首先对图像进行边缘检测和水平膨胀,然后进行连通区域分析、水平聚类,最后对得到的车牌候选区域进行模糊决策,找出真正车牌区域,很好的解决了伪车牌问题。在分割算法中,利用最小二乘法对车牌进行倾斜校正,利用可变小模板对字符进行分割。实验证明,定位准确率为97%,分割准确率为95.3%,具有非常好的效果。