基于隐树模型的40岁～65岁妇女原发性骨质疏松症中医证候要素分析

目的:运用机器学习方法探索40岁～65岁妇女原发性骨质疏松症的中医基本证候要素特征。方法:运用隐类分析方法对北京和上海社区骨质疏松人群中医证候相关数据进行分析并建立隐树模型。结果:得到BIC评分为-22950.125的隐树模型,模型中的隐变量展现了骨质疏松人群以肾虚、肝虚、阳虚、阴虚、血瘀等为主的基本证候要素特征。结论:隐树模型可以客观化、定量化地揭示中医症状间的复杂关系,为中医证候的定量化研究提供研究思路。

基于隐树模型老年性睑板腺功能障碍的中医辨证分型研究

目的:应用隐结构分析法探讨中老年睑板腺功能障碍(MGD)的常见中医证型。方法:结合文献检索及专家经验,筛选出现频率较高的局部及全身症状共44个录入并建立数据库,对315名中老年MGD病人进行问卷调查,采集四诊信息作为显变量资料,通过数据挖掘对常见临床症状进行自然聚类和模型隐结构构建并进行证型分析。结果:运用Lantern3.4软件进行隐结构模型分析,将隐变量所影响的症状进行综合诠释,得到BIC评分为-4416.8的最优隐树模型,模型中的隐变量提示中老年MGD以肝肾阴虚、阴虚湿热、脾阳虚等3个中医证型为主。结论:中老年MGD常见证型为肝肾阴虚、阴虚湿热、脾阳虚型,与该病的发病年龄及性别特点相契合,也与五轮学说对该病的基本病机认识相一致,可为该病的中医治疗提供研究思路。

基于隐树模型的围绝经期妇女艾滋病中医证候要素分析

目的探索围绝经期妇女艾滋病的中医基本证候要素。方法运用隐树模型对全国范围内围绝经期妇女艾滋病人群中中医证候要素相关数据进行分析。结果得到BIC评分为-52308.52分,20个隐变量的隐树模型,模型中的隐变量展现了该人群患者主要涉及的病位为脾(隐变量Y2-Y8),同时也影响及其它四脏:心(隐变量Y16)、肝(隐变量Y1)、肺(隐变量Y17、Y18)、肾(隐变量Y10),主要病变性质为气虚(隐变量Y2、Y16、Y17)和阴虚(隐变量Y13)。主要证候为肝失疏泄、脾虚湿盛,心气亏虚及正气不足。结论隐树模型可以客观化、定量化地揭示中医症状间的复杂关系,为中医证候的定量化研究提供研究思路。

一种基于隐树模型的满足差分隐私的高维数据发布算法

针对满足差分隐私的高维数据发布问题,我们提出一种基于隐树模型的满足差分隐私的高维数据发布算法.该算法由隐变量生成、隐树结构学习、隐树参数学习和数据生成四个阶段组成.特别地,在该算法中,为了在对显变量进行分组并生成隐变量的过程中保护隐私,我们提出一种满足差分隐私的隐变量生成方法.此外,为了在构建隐树的过程中保护隐私,我们提出了一种满足差分隐私的隐树模型结构学习方法.分析结果表明本文提出的算法满足ε-差分隐私.实验结果表明,与现有算法相比,所提出的算法可以获得更好的数据效用.

隐树模型几个关键指标的辨证意义

数据挖掘的各种算法模型能否真正量化地解释证候,关键是该模型所产生的有关指标能否合理地量化解释证和一组症状的关系。文章以抑郁症临床流行病学调查数据构筑的证候隐树模型为例子,分析了该模型所产生的互信息、累积互信息、信息覆盖度、条件概率等几个指标的辨证意义。认为:互信息可作为确定一组与某证有密切关联的症状的依据;累积互信息和互信息数值之间的比较可以把握症状提供给证的信息,从而判断症状的诊断价值;信息覆盖度可以考察与某证相关联的一组症状中究竟有多少症状、或有哪些症状就足可以把握该证的基本特征;而条件概率则可以通过该证关联的一组症状所表现出的变化来定量地刻画这个特征。

基于隐树模型的绝经后骨质疏松性骨折证候要素提取及特征分析

目的:提取绝经后骨质疏松性骨折的中医证候要素,分析其相关特征。方法:基于隐树模型,对北京、上海两地社区绝经后骨质疏松性骨折患者中医证候要素相关数据进行分析。结果:发现该病患者主要涉及的证候要素靶位包括:肝、肾(隐变量Y1),脾、肾(隐变量Y2),主要证候要素为肝肾阴虚(隐变量Y1)和脾肾阳虚(隐变量Y2)。结论:隐树模型可以通过绝经后骨质疏松性骨折症状间的复杂关系,定性、定量化地凝练该病中医证候要素,为进一步研究该病提供工作基础与必要条件。

基于模糊多特征递归分组算法的隐树结构图模型学习

隐树结构图模型通过引入了隐藏节点来描述变量之间的潜在关系,因而可以更好地对变量之间的相关性进行建模。树模型学习过程中,从变量观测数据所提取的有用特征数量,决定了该模型对变量间深层关系的建模能力;而现有学习算法都是对观测数据直接计算统计量来进行模型学习,未能按观测数据中的特征分类处理。针对现有算法对观测数据中信息利用不充分的不足,该文提出基于模糊多特征递归分组算法的隐树模型学习方法。首先,将变量的原始观测数据通过反映其特征的模糊隶属度函数转化成多个模糊特征,并构造多维模糊特征向量;其次,计算两两变量模糊特征向量之间的距离,并将其综合得到所有变量之间的模糊特征向量距离矩阵;最后,基于该距离矩阵,利用递归分组算法学习隐树模型。该文还将所提算法应用于股票收益数据和气温数据建模,验证了该文算法的实用性和有效性。

隐马尔可夫树模型在带钢表面缺陷在线检测中的应用

通过图像分割算法寻找由缺陷组成的可疑区域是热轧带钢表面缺陷在线检测与识别的关键。将热轧带钢表面图像分为'背景'和'缺陷'两大类,采用隐马尔可夫树(Hidden Markov tree,HMT)模型分别建模并实现多尺度缺陷分割。将不同类别的缺陷用同一个'缺陷模型'来表示,可以降低算法复杂度。HMT模型对带钢表面常见缺陷的分割正确率达到94.4%,分割错误率为18.8%。针对HMT模型得到的细尺度分割结果中分割错误率较高问题,引入基于环境的多尺度融合方法(Context-adaptive hidden Markov tree,CAHMT),将不同尺度的分割结果融合,大幅降低细尺度分割的分割错误率,达到3.7%。

双树复小波域隐Markov树模型降噪及在机械故障诊断中的应用

提出一种基于双树复小波变换的隐Markov树模型的信号降噪方法,并将其成功应用于机械故障诊断中。机械设备的振动信号中不可避免地存在着噪声,使得微弱故障信息的提取一直是故障诊断的难点和热点。双树复小波变换具有近似平移不变性,而隐Markov树模型能有效刻画小波系数间的相关性和非高斯性,两种优势的结合可以获得比常规软、硬阈值小波降噪法和小波域隐Markov树模型降噪法更好的降噪效果。它不仅能有效抑制高斯白噪声,还能够去除异常冲击干扰,仿真信号验证了这一点。对于实际滚动轴承信号,使用该方法同样可以获得满意的结果。

应用Hopfield神经网络和小波域隐Markov树模型的图像复原

为了解决传统的Hopfield神经网络图像复原算法对噪声抑制和图像细节保护不能很好兼顾的问题,提出了一种基于改进的连续Hopfield神经网络和小波域隐Markov树(HMT)模型的复原算法。将小波域HMT模型作为图像小波系数统计关系的先验知识,并以正则化项的形式引入到神经网络模型中,最终利用Hopfield神经网络的能量收敛特性完成图像复原。同时提出了一种高度并行的网络权值矩阵计算方法,通过对模板图像进行算子操作,分批求取网络权值,避免了大型矩阵的乘法运算。实验结果表明,无论是对真实图像还是人工生成图像,算法复原的视觉效果均有明显改善,提高信噪比(ISNR)较传统同类算法增加了0.3dB以上,达到了同时抑制噪声和保护图像细节的目的。

基于小波域隐马尔可夫树模型的图像复原

从图像复原的Bayesian方法出发,提出一种基于小波域隐马尔可夫树(HMT)模型的线性图像复原算法.小波域HMT模型采用混合高斯模型刻画各子带系数的概率分布,并通过小波系数隐状态在多个尺度之间的Markov依赖性来刻画自然图像小波系数随尺度减小而指数衰减的特性.由于小波域HMT模型准确刻画了自然图像小波变换的统计特性,该文算法以此作为自然图像的先验模型,将图像复原问题转化为一个约束优化问题并用最速下降法对其进行求解.同时,提出了一种规整化参数和HMT模型参数的自适应选择方法.实验结果表明,基于小波域HMT模型的图像复原算法较好地再现了各种边缘信息,复原出的图像在信噪比和视觉效果方面都有明显的提高.

一种基于Contourlet域隐马尔可夫树模型的遥感影像融合方法

在多尺度通用传感器模型的框架下,通过结合Contourlet变换和隐马尔可夫树模型,对融合的Contourlet系数进行最大后验概率估计,建立了一种基于Contourlet域隐马尔可夫树模型的遥感影像融合方法.应用该方法和几种常用融合方法对SAR影像和多光谱影像进行实验和对比,结果表明,该方法在提高融合影像空间细节信息的同时,可以有效地保持多光谱影像的光谱信息.

基于Contourlet域隐马尔可夫树模型的图像融合算法

针对多尺度几何变换统计信号处理这一领域的优势,提出一种基于Contourlet域隐马尔可夫树模型的图像融合算法.由于Contourlet变换能克服小波变换在处理高维信号时的不足,它比小波变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能.而隐马尔可夫树模型能有效捕获尺度间、尺度内的Contourlet系数特性.因此将Contourlet域隐马尔可夫树模型应用于图像融合领域,能充分挖掘数据之间的相关性,更好的提取图像边缘特征,为融合提取更多的特征信息.实验结果表明基于Contourlet域隐马尔可夫树图像融合算法获得的融合图像视觉效果良好,是一种有效且可行的融合算法.

基于小波域多状态隐马尔科夫树模型的自适应文本图像分割算法

本文针对文本图像首先提出了一种基于小波域多状态隐马尔科夫树模型的自适应文本图像分割算法(Context-Adapted wavelet-domain Hidden Markov Tree,简称为CAHMT),该算法具有较高的分割质量和较低的计算复杂度.其次,为了进一步提高CAHMT算法分割的效果,将该算法与微分算子、尺度系数相结合提出了两种新的文本图像分割算法.最后通过实例阐明了这些算法的有效性.

基于小波域隐马尔科夫树模型的图像分割

改进了传统的基于小波域隐马尔科夫树模型的图像分割方法.由于传统方法均为直接选择小波子带系数作为训练特征,不能直接得到像素级分割结果;同时传统方法在后融合方面对所有尺度均采用同一种上下文背景,而忽略不同尺度上初分割类标志图的特点.因此,本文在粗分割阶段首先处理了训练时参数设置的问题,并选取了更能表征纹理的特征,能直接得到像素级分割结果;在多尺度融合阶段,充分利用不同尺度上类标志图的特性,不仅考虑粗尺度信息对融合结果的影响也考虑了细尺度信息对结果的影响.实验表明本文算法的视觉效果好于与本文进行比较的Choi提出的HMTseg以及孙强提出的WD-HMTseg遥感图像分割算法.

基于隐马尔科夫树模型的小波域压缩采样信号重构方法

压缩传感理论利用信号的稀疏性,对其非自适应线性投影进行压缩采样,通过最优化问题准确重构原始信号。传统重构算法仅利用了信号的稀疏性,而未对转换后的信号结构进行分析。提出了一种基于4状态的隐马尔科夫树模型的小波域压缩采样信号的重构方法,相对2状态的隐马尔科夫树模型,该模型能够获取相邻尺度小波系数的更多相关特性,通过仿真结果表明,该算法具有更高的重构精度。

小波域隐Markov树模型的图像去噪快速算法

小波域隐Markov树模型(HiddenMarkovTreeModel,简称HMT)能充分表现小波系数的统计特征,但模型训练算法计算量大。文中以图像去噪为应用背景,提出了基于HMT粗分类的多树训练算法。该算法通过对不同类型的纹理建立不同的HMT,对小波系数进行粗分类,在此基础上,不同类别的小波系数被分别建模,并将粗分类HMT的参数作为最终模型训练的初始化参数,从而提高了模型的精度,同时减小了训练算法的计算量。对于含复杂场景或纹理的图像,提出了基于方差粗分类的训练算法,也能有效地提高模型精度。对自然图像和SAR图像的去噪实验表明,采用粗分类训练算法的HMT去噪模型的去噪效果在客观指标上优于现有的HMT去噪模型。

基于小波域隐马尔可夫树模型的多光谱遥感影像纹理分割技术研究

遥感图像纹理信息丰富,需要进行有效的纹理特征描述.小波域隐马尔可夫树(HM T)模型提供了一种有效的纹理特征提取方法.简述了HM T模型及分割思想,并在此基础上针对多光谱遥感图像,探索更好的纹理描述方法.通过适当的数学变换,得到多光谱遥感影像在不同角度下的描述:H—S—I分量和最大主成分分量.研究比较各分量特性并应用HM T模型,得到不同分量下纹理分割结果.实验表明,利用多光谱信息可有效地提高分割质量.

基于Contourlet域隐马尔可夫树模型的图像融合

基于Contourlet域的隐马尔可夫树模型能反映不同尺度系数之间、不同方向系数之间的相关性,基于此,提出了一种基于Contourlet域隐马尔可夫树模型的图像融合算法。对源图像进行Contourlet变换,并针对高频子带系数建模并训练得到每一系数的后验概率;利用该后验概率指导高频系数融合的规则,对边缘和背景区域进行不同的融合处理,以尽可能保留原始图像的重要特征;进行Contourlet反变换得到最终融合结果。针对多聚焦图像进行了融合实验,采用联合熵、熵、相关系数、清晰度等指标对融合效果进行评价,实验表明了该算法优于基于Contourlet域的常规融合算法以及小波域隐马尔可夫树融合算法。

基于树状分解隐马尔可夫树的纹理分类模型研究

遥感图像纹理信息丰富,要准确地进行纹理特征描述,必须尽可能地抓住其本质特征和属性。以小波域隐马尔可夫树模型为基础,并结合遥感图像特点,提出在全树状小波分解的基础上建立隐马尔可夫树模型,在子图选择上用图像熵作为判据,使分解更有针对性,并使计算效率得以提高。