基于子图选择和图核降维的脑网络分类方法

脑网络分类在脑科学研究和脑疾病诊断等领域引起了学者们的广泛关注。目前大多数有关脑网络分类的研究都是以单个脑区或成对脑区之间的相关性作为分类特征,其缺点是不能反映多个脑区之间的拓扑结构信息。为克服上述缺点,提出了一种基于子图选择和图核降维的脑网络分类方法。具体包括:(1)分别从正类训练样本组及负类训练样本组中提取多个频繁子图,进而利用基于频度差的子图选择算法选取最具判别性的子图集;(2)基于上述过程中得到的子图集,利用图核主成分分析(graph-kernel-based principal component analysis,GK-PCA)方法对经过子图选择后的图数据进行特征提取;(3)利用支持向量机(support vector machine,SVM)在特征提取后的数据上进行分类。在真实的轻度认知障碍(mild cognitive impairment,MCI)脑网络数据集上对该方法进行了验证,实验结果表明了该方法的有效性。

基于伪柯西类核函数的主成分降维方法

构造了伪柯西类核函数并给出了相应的理论证明.利用伪柯西类核函数对4个癌症基因表达数据集进行降维,然后利用支持向量机、K近邻和朴素贝叶斯进行分类预测.实验结果表明,与高斯核、多项式核、双曲正切核降维以及全变量情形相比,在多数情况下,基于伪柯西类核函数进行的维度约减,可使得目前主流机器学习方法的分类精度达到最优.

基于核矩阵降维算法对药物不良反应的预测

药物不良反应(drug adverse reactions,ADRs)的早期准确鉴定对药物研发和临床用药安全具有重要的实际意义。基于计算机辅助预测药物的不良反应已经引起了越来越多的重视。将一种核矩阵降维(kernel matrix dimension reduction,KMDR)算法应用于药物不良反应的统计预测中,考察该方法在药物不良反应上的预测性能。通过与其他两种参考算法在相同标准数据集上进行交叉验证和独立测试的计算实验表明,KMDR算法是一种值得推广的预测药物不良反应的候选统计算法。

小数据集下基于DRKDE-ICSO的BN结构学习

为了解决在小数据集条件下进行数据拓展时产生数据高度相似的问题,提出了基于降维核密度估计的小数据集拓展方法,从而得到较为准确的拓展数据。另外,针对鸡群优化算法求解效率低下和收敛性不足的问题,提出改进的鸡群优化算法进行结构学习:在雄鸡的位置更新公式中引入莱维飞行,使鸡群算法具有更强的跳跃能力;采用指数递减的动态调节惯性权重,以加速局部搜索和提高收敛速度;通过引入最优个体引导策略,增加找到较优位置的概率。实验结果表明,所提算法在小数据集条件下,BIC评分、准确率及汉明距离等指标均优于MCMC算法、BPSO算法、CSO算法、ADLCSO-I算法和SA-ICSO算法。

大鼠前庭神经核群向腰髓投射特征——BDA法逆行研究

目的 研究大鼠前庭神经核群向脊髓的投射纤维特征。方法 在 7例SD大鼠采用结合生物素的葡聚糖胺(BDA)逆行法观察大鼠前庭核群向脊髓的投射。结果 除前庭神经上核 (SVN)外的其余各前庭核均有向大鼠腰髓的投射 ,单侧注射的实验动物中 ,前庭神经内侧核 (MVN)、外侧核 (LVN)和降核 (DVN)的标记神经元可见于双侧 ,其中MVN和LVN的标记神经元以注射同侧占优势 ,而DVN标记神经元两侧数量基本一致。

二维线性实对称可解反降晰的一种简化算法

本文讨论了用传统Toeplitz方法进行图像恢复的特点和不足之处,针对传统Toeplitz反降晰方法的缺点,提出了一种应用于图像恢复的线性实对称反降晰简化方法及相关算法。该方法通过合理的对应映射和截断处理,近似得到反降晰有限尺寸的逆核。围绕映射矩阵的形式和逆核截断尺寸的选择这两个关键问题,文中作了详细的分析和探讨。对提出的算法进行仿真检验,并得到的效果明显优于传统Toeplitz方法,说明了该算法的优点。

基于传输触发架构的图像降晰专用处理器设计

针对天文图像处理过程中的空间变换核降晰算法,提出一种基于传输触发架构(TTA)的专用处理器设计,以完成算法的数据密集型运算,并在基于C*CORE340处理器的电子系统级平台之上对该处理器进行验证。TTA的细粒度并行数据传输使该处理器获得更高性能,其设计的特殊功能单元能加快计算,且计算流程和数据存储方式能减少数据传输的频率,提高了计算速度。实验结果表明,对于19×19的内核和2K×2K的图像帧,该处理器架构的速度比基于PC的纯软件实现提高了14.7倍。

基于核主成分分析BP＿Ada Boost算法的数控铣床故障诊断

刀具是数控铣床加工过程的关键零部件,其长期处于高速加工状态极其容易出现故障。针对数控铣床加工过程中刀具的磨损状态数据少、诊断效率低、维护成本高、缺乏有效的诊断方法的问题,提出了利用小波包分析与核主成分分析提取特征,然后利用BP_AdaBoost算法对刀具磨损状态进行诊断的方法。通过在数控铣床的加工工件与其夹具间安装测力仪及安装加速度传感器,来采集立铣刀振动信号与切削力信号;然后对振动信号与切削力信号进行小波包分析处理,将处理好的信号进行核主成分分析(KPCA),降维以后作为立铣刀磨损状态的特征向量;最后利用得到的特征向量训练和验证BP_AdaBoost分类模型。实验结果表明BP_AdaBoost算法比SVM算法能更有效实现对数控铣床的刀具磨损状态的评估。

EXCEL在临电负荷计算及校核中的创新应用

施工项目在进场后施工准备阶段通常要进行施工现场临时供配电的设计及施工,其中工作量最大的工作有负荷计算、电缆选型、电缆工程量统计等工作,本论文依托润泽西南国际信息港项目施工现场临时用电的特点,利用EXCEL中的开发工具VBA编程和Subtotal、SumIf、If等函数来完成施工现场临时用电负荷的计算及电缆的选型,同时进行电缆电压降校核及电缆工程量汇总。通过对EXCEL表格的应用,使施工现场临时用电负荷及电缆选型的标准化设计,达到减少施工现场临时用电设计者的重复工作,提高工作效率,同时可以推广到其他施工项目应用。

海阳核电常规岛动力电缆端接问题的处理研究

针对海阳核电一期工程现场出现了大截面动力电缆在电机接线盒内无法端接施工的问题,介绍了美国标准和国家标准选择电缆的不同计算过程,对比了标准之间的差异,并对产生端接问题的原因进行了分析,提出通过更换接线盒、增加转接箱等措施来解决端接问题。

基于KPCA-K-means-GRU的短期风电功率预测研究

风能间歇性和波动性的特点给电网的平稳运行造成了很大的挑战,导致电网企业限制风电并网,造成弃风行为。因此,实时有效地预测风力发电情况对风电开发和电网的平稳运行至关重要。在分析当前多种预测方法后,提出了基于核主成分分析-K均值聚类-门控循环单元(KPCA-K-means-GRU)的短期风电功率预测模型。多维数据能够较好地还原实际物理状态,但过高维度的数据会带来维数灾难。因此,利用非线性的KPCA在保留高维数据信息的同时降低数据维度。随后借鉴负荷预测相似日思路,将降维后的数据通过K-means进行无监督聚类以建立不同的预测模型来提高预测精度。最后分别训练不同类别数据的GRU神经网络参数,进行分类预测以获得更合适的网络模型。

基于多分类支持向量机的相控阵雷达T/R组件寿命分布仿真识别

为了能够对T/R组件的寿命分布类型进行快速准确地识别,在充分分析T/R组件寿命分布数据特点的基础上,建立了核主元降维-多分类支持向量机识别模型。首先对T/R组件的数据特征以及可能的分布模式进行选取,其次利用Matlab仿真软件产生100组不同分布的随机数,构建了模型的初始训练样本,最后利用核主元降维分析法的非线性主元特征提取能力以及多分类支持向量机模型的高精度识别能力,对T/R组件的寿命分布类型进行识别。实例计算表明,该识别模型具有较高的识别精度,与传统极大似然估计和k-s检验法的T/R组件寿命分布结果一致,从而证实了模型的正确性,为后续T/R组件的维修提供理论依据。

CTI改进算法及其硬件实现

介绍一种色度瞬态校正的改进算法 ,该算法利用低通滤波和核化降噪抑制噪声的影响 ,采用自适应限幅来消除振铃效应和假色现象。仿真结果表明 ,该算法对噪声有很好的抑制作用 ,消除了振铃效应和假色现象。

加权核范数降噪算法在扩散加权图像中的应用

目的扩散加权成像技术是一种能够检测活体组织内水分子扩散运动的无创方法,其对数据的准确度要求较高且对噪声较为敏感。扩散加权图像的自相似性程度高,纹理细节较多且纹理和结构具有重复出现的特性。而获取图像的过程中受到不可避免的噪声干扰会破坏图像的数据准确度,因此对扩散加权图像进行降噪是十分必要的。方法根据扩散加权图像的特点,提出将加权核范数降噪算法应用于扩散加权图像的降噪。加权核范数降噪算法由于能够利用图像的自相似性,通过对图像中的相似块进行处理从而实现对图像的降噪,该算法能够保存图像中大量的纹理细节信息。结果通过模拟数据实验和真实数据实验,将加权核范数降噪算法与传统的扩散加权图像降噪算法如各向异性算法进行比较,结果表明,加权核范数降噪算法相较于其他算法得到的峰值信噪比至少高出20 dB,结构相似性值也至少高出其他算法0.2~0.5,再将降噪后的图像进行神经纤维跟踪处理,得到的神经纤维平均长度较其他算法至少要长0.2~0.8且纤维更为平滑。结论加权核范数降噪算法不仅能够更好地减少扩散加权图像中的噪声,同时也能够最大限度地保存扩散加权图像的纹理细节,降噪效果理想,提高了数据的准确度及有效性。

基于关节空时特征融合的人体行为识别

针对现有人体行为识别技术存在的准确率不高和易受环境干扰等缺点,提出一种基于空时特征融合的人体行为识别方法。通过OpenPose提取人体骨骼关节的位置信息用于构造空时融合特征,该特征综合各类行为的空域和时域信息,使得特征表示更具区分度。利用核化主成分分析算法进行特征维度缩减,利用XGBoost算法进行特征分类,获得识别结果。该方法在Multiview Action 3D数据集上进行测试,得到了94.52%的识别率,较现有的其它许多人体行为识别方法表现更好。

大屏幕彩电中图像电路新技术

本文分析了传统电视图像存在的一些缺陷及原因 ,由此引出了现代电视系统中对图像电路所采用的一些关键新技术。

基于Zynq的虹膜识别系统设计与实现

针对虹膜识别系统存在成本高、操作难度大等不足,给出一种基于Zynq的虹膜识别系统设计方法,进一步拓展虹膜识别系统在民用市场中的运用面。具体讲,就是将虹膜图像存储在SD卡内,通过linux的ramfs(am file system)将SD卡中的虹膜图像加载到RAM,使用VDMA将虹膜数据从RAM搬运至虹膜降噪IP核进行算法加速,完成矩阵卷积的硬件加速,加速完成的数据通过VDMA,搬运回至RAM,供虹膜处理的下一个阶段使用。实验结是证明了所提方法的有效性。