基于LBP和Mixup数据增强后的肺音识别

肺音蕴含着重要的生理病理信息。对肺音进行智能化识别,是推进医疗现代化的一种重要方式。论文针对肺音分类问题,采用梅尔谱图(Mel)、小波变换(WT)、短时傅里叶变换(STFT)、恒Q变换(CQT)四种方法进行特征提取,并且使用构建的卷积神经网络(CNN)和卷积神经网络与随机子空间判别结合法(CNN-RSM)对肺音进行分类。最终Mel谱图在CNN-RSM的测试集中的准确率为76.01%,特异度为89.7%,ICBHI得分为66.38%。经过与使用同一数据库的其他作者综合对比,本文肺音识别方法更具优势。

模糊环的再定义

利用模糊空间理论定义模糊环和模糊子环 ,并研究了它的基本性质 ,建立了研究模糊环的新的理论体系 ,弥补了传统模糊环定义中无模糊泛集和模糊运算的不足 。

二元数据子空间聚类算法的初始化研究

针对二元数据空间高维稀疏性的特点而提出的有限混合伯努利模型,能够快速寻找映射簇的模型框架;EM算法是数学模型进行参数迭代的重要方法,其算法的优劣很大程度上取决于其初始参数。对于运用EM算法来实现有限混合伯努利模型聚类算法已有许多研究,EM算法中参数的选取直接影响聚类算法的性能。引入Binning法和改变数据之间相似度测量方式、中心点的选取方式来进行初始化,从而大大减少聚类结果对初始参数的依赖,实验证明该算法是高效的、正确的。

离散数学中的闭包概念及应用

基于闭包的放大和最小性特点来处理离散数学中相关概念,梳理了离散数学中显性和隐性的一些闭包概念,如二元关系的闭包、强分图、子空间、和空间、生成子群等.试图在闭包的框架下将这些概念的教学格式化,操作过程标准化.同时,介绍了作者的教学方案和一些教学技巧,最后将关系传递闭包的思想应用到最短路径及一笔画问题等案例的算法设计中.

子空间描述的关节式目标跟踪

针对关节式目标变化对子空间描述造成的影响,本文提出了一种基于增量学习的关节式目标跟踪算法.该算法通过引入图像分割方法与快速傅里叶变换可有效消除背景像素对目标描述造成的影响以及目标区域前景目标位置对不准造成的误差,同时应用局部二值模式增加目标描述中像素点间的几何位置信息,应用基于增量学习的方法实现目标特征的在线更新,最终为跟踪算法提供较为精确的目标描述.实验结果表明,本文提出的关节式目标跟踪算法具有较好的目标跟踪效果.

基于双重二元粒子群优化的高效用项集挖掘算法

高效用项集挖掘算法是关联分析中的重要组成部分,通过对基本二元粒子群算法进行改进,提出一种双重二元粒子群优化(DBPSO)算法。运用最小相对效用阈值和效用上界的乘积确定最小效用阈值。利用最小效用阈值和适应度函数分散候选子空间,挖掘高效用项集。实验结果表明,该算法的收敛速度较快,能够获得较多的高效用项集。

基于多级子空间投影的侧扫声呐底混响抑制

底混响是侧扫声呐进行沉底静态小目标探测时的主要背景干扰,针对此问题提出了一种基于多级二分奇异值分解BSVD子空间投影的底混响抑制方法。该方法首先对接收信号构造二阶Hankel矩阵,通过矩阵的奇异值确定混响子空间,然后利用正交子空间投影抑制回波信号中的底混响,最后根据所选级数对回波信号进行多级正交子空间投影,并用otsu方法对原始声图和处理后的声图进行目标检测。实验结果表明,该方法改善了侧扫声呐沉底静态小目标的成图质量,更利于后期实现基于图像的目标自动检测。

非正交二值子空间模板表示的并行生成

非正交二值子空间是一种重要的图像模板表示方法,能够高效地进行模板匹配。针对其生成过程耗时多难以实时应用的问题,提出了一种基于统一计算设备架构(CUDA)的非正交二值子空间模板表示的快速并行生成算法。该算法将模板生成过程划分为3个步骤,并根据每个步骤数据处理的特点,进行并行任务分解,极大地缩短了生成时间。实验结果表明,相比基于CPU生成相同的模板表示,该算法的速度提升了60～120倍。在应用于模板匹配时,该并行的模板表示生成算法能够很好的改进匹配效率。