Exploring the characteristics of acupoints in the treatment of stroke with complex network and point mutual information method

Objective:Explore the characteristics of acupoints in the treatment of stroke with complex network and point mutual information method.Methods:The complex network and point wise mutual information system-developed by Chinese academy of Chinese medical sciences wereused to analyze the specific acupoints,compatibility,frequency etc.Results:174 acumoxibustion prescriptions were collected,including 163 acupoints.among them eighteen acupoints were used more than 30 times such as Hegu(LI4),Zusanli(ST36),Quchi(LI11)and Fengshi(GB31).The combinations of 31 acupoints were used more than 15 times,such as the combination of Quchi(LI11)and Zusanli(ST36),the combination of acupoint Quchi(LI11)and Jianyu(LI15),Hegu and Quchi(LI11).The most commonly used treatment method for stroke treatment is to dredge the Yangming meridian and Shaoyang meridian through acupuncture the multiple acupoints located on these two meridians..The commonly used acupoints are mainly distributed in the limbs,head and face.The most commonly used specific acupoint is intersection acupoint.The usage frequency of specific acupoints are higher than that of non-specific acupoints.Conclusion:Dredging the collaterals,dispelling wind-evil and restoring consciousness are the main principle for the treatment of stroke.Specific acupoints in head,face and climbs maybe the main targeted acupoints.Combination of Yang meridians with other meridians is needed to improve the effects.The Yangming meridian and Shaoyang meridian are most used meridians and Hegu(LI4),Quchi(LI11)and Zusanli(ST36)are the most used acupionts.

基于改进TF-IDF与BERT的领域情感词典构建方法

领域情感词典的构建是领域文本情感分析的基础。现有的领域情感词典构建方法存在所筛选候选情感词冗余度高、情感极性判断失准、领域依赖性强等问题。为了提高所筛选候选情感词的领域性和判断领域情感词极性的准确程度,提出了一种基于改进词频-逆文档频率(TF-IDF)与BERT的领域情感词典构建方法。该方法在筛选领域候选情感词阶段对TF-IDF算法进行改进,将隐含狄利克雷分布(LDA)算法与改进后的TF-IDF算法结合,进行领域性修正,提升了所筛选候选情感词的领域性;在候选情感词极性判断阶段,将情感倾向点互信息算法(SO-PMI)与BERT结合,利用领域情感词微调BERT分类模型,提高了判断领域候选情感词情感极性的准确程度。在不同领域的用户评论数据集上进行实验,结果表明,该方法可以提高所构建领域情感词典的质量,使用该方法构建的领域情感词典用于汽车领域和手机领域文本情感分析的F1值分别达到78.02%和88.35%。

基于HowNet和PMI的词语情感极性计算

基于语料库的点互信息(PMI)计算方法依赖于语料库的完善性,基于HowNet的计算方法则依赖于知网相似度计算的准确性。为克服2种方法的局限性,提出一种HowNet和PMI相融合的词语极性计算方法,利用知网进行同义词扩展,降低情感词在语料库中出现频率低所带来的问题。实验结果表明,该方法的微平均和宏平均性能比传统方法提升约5%。

多点最优最小熵反褶积结合交互信息的过载信号特征提取

针对弹药超高速侵彻多层建筑物的过程中,侵彻过载加速度信号产生粘连混叠,影响侵彻穿层特征的精准辨识提取,造成引信难以精确计层的问题,提出一种基于多点最优最小熵反褶积(MOMEDA)和交互信息的过载信号穿层特征提取方法。考虑到引信加速度敏感系统在高频强动载下的响应规律未知,该方法利用MOMEDA的非迭代盲解卷积增强技术来实现对原始侵彻过载信号的降噪,基于交互信息理论进一步优化MOMEDA最佳滤波器的长度以增强原始侵彻过载信号中多层目标特征。通过对引信超高速侵彻多层靶板的仿真、试验信号的研究结果表明,该方法可以有效突显原始侵彻过载信号中的穿层特征,为强粘连信号下的引信精确计层功能实现提供依据。

车载激光点云图像与全景图像相似度算法研究

针对激光点云投影到平面获取的深度或强度图像与真彩色影像之间差异明显的问题,本文提出一种车载点云投影图像与全景图像相似度计算的算法。该算法首先将点云数据转换为平面投影影像,然后分别计算投影图像和全景影像中每个像素的梯度方向,并根据梯度方向来获得梯度方向的直方图,最后根据梯度方向直方图来计算点云投影图像和全景影像的相关系数。相关系数的大小反映了匹配的相似程度。本文算法的创新在于对梯度方向的计算进行了改进,将360°的梯度方向角归一化到0°—180°,能够有效地处理点云投影图像和全景影像之间由于像素属性不同造成的梯度方向不一致的问题,提高匹配的精度。

基于改进SO-PMI的藏文情感词典自动构建方法

情感词典是舆情分析、情感计算等领域非常重要的知识资源。针对藏文情感标注资源匮乏的情况,提出一种基于改进SO-PMI的藏文情感词典自动构建方法。该方法使用情感关联修正对点互信息计算方式进行改进,提升了SO-PMI方法从复杂句式中抽取情感词的准确率,实现从藏文句子级文本中自动构建情感词典。在藏文微信评论文本数据集上将所提方法与传统SO-PMI方法以及改进的标签传播法进行对比,实验结果表明,该方法在情感词识别准确率上分别提高了20.38%和2.34%,生成的词典能够包含语料领域的情感词,可用于不同领域的藏文情感分析研究。

基于PPMI的异质属性网络嵌入

属性网络嵌入旨在映射网络中的节点和链接关系到低维空间,同时保留其固有的结构和属性特征.异质属性网络中多种类型的节点和链接关系给网络嵌入学习提供了丰富的辅助信息,同时也带来了新的挑战.提出异质属性网络嵌入模型(heterogeneous attribute network embedding based on the PPMI,HANEP),旨在将网络中多种类型的节点和(或)多种类型的链接关系映射到低维、紧凑的空间,同时保护节点的属性特征和不同类型对象之间的异质链接承载的复杂、多样且丰富的语义信息.HANEP模型首先基于样本属性的相似性构建属性图、依据元路径抽取异质属性网络的拓扑结构,然后通过随机冲浪获得属性和拓扑概率共现(probabilistic co-occurrence,PCO)矩阵,并计算其正点对互信息(positive point-wise mutual information,PPMI),进而采用多个自编码器(auto-encoder,AE)捕捉节点属性和异质链接的本质信息.元路径可以捕捉异质网络中多种类型节点间的链接关系,构建属性图可以清晰描述节点属性的非线性流行结构,属性和拓扑的局部成对约束和图表示有助于整合节点属性和网络拓扑的一致性和互补性关系,PPMI表示可以捕捉属性和拓扑的高阶近邻信息及潜在的复杂非线性关系.在3个真实数据集上的实验结果验证了HANEP算法的有效性.

特征点匹配和互信息融合下连续形变图像配准

图像配准中易受到外界干扰发生变形或者部分特征缺失,为此提出融合特征点匹配和互信息的连续形变图像配准方法。提取连续形变图像特征,对提取到的特征实施匹配处理,结合互信息算法统计两图像之间的相似程度,得出最佳配准指标,即像素灰度值为最大值,结合特征点匹配结果以及互信息算法生成图像配准刚性指标,实现连续形变图像配准。实验结果表明,所提方法配准后图像信息完整,配准效果较好,且匹配耗时较短,说明其能够降低图像配准中干扰因素的影响,有效提升图像配准质量。

基于结巴分词的领域自适应分词方法研究

利用Jieba分词(结巴分词)对中文文本进行分词时,对于领域词组分词效果不是很理想,需要通过加载自定义词典解决这个问题。提出一种领域自适应分词方法,将结巴分词后相邻词语组合为词组,利用标准化点互信息(NPMI)及词频统计两种方法分别计算词组凝聚度,利用左右信息熵计算词组自由度,通过设定凝聚度与自由度阈值识别领域词组,利用文中提出的词性约束规则进一步筛选词组,将得到的词组作为自定义词典加入到结巴分词中,再次对文本进行分词。通过在自己构建的金融和法律领域语料库进行实验,证明了所提算法可以有效发现领域词组,利用该算法进行领域分词时,准确率和召回率高于只利用结巴分词的准确率和召回率。最后提出了一种基于区分不同领域的领域自适应分词算法评价方法。实验结果表明,上述算法能够有效区分不同领域,即可以有效实现领域分词。

互信息改进方法在术语抽取中的应用

为了确定改进互信息(PMIk)方法的参数k取何值时能够克服互信息(PMI)方法过高估计两个低频且总是一起出现的字串间结合强度的缺点,解决术语抽取系统采用经过分词的语料库时由于分词错误导致的某些术语无法抽取的问题,以及改善术语抽取系统的可移植性,提出了一种结合PMIk和两个基本过滤规则从未经过分词的语料库中进行术语抽取的算法。首先,利用PMIk方法计算两个字之间的结合强度,确定2元待扩展种子;其次,利用PMIk方法计算2元待扩展种子分别和其左边、右边的字的结合强度,确定2元是否能扩展为3元,如此迭代扩展出多元的候选术语;最后,利用两个基本过滤规则过滤候选术语中的垃圾串,得到最终结果。理论分析表明,当k≥3(k∈N+)时,PMIk方法能克服PMI方法的缺点。在1 GB的新浪财经博客语料库和300 MB百度贴吧语料库上的实验验证了理论分析的正确性,且PMIk方法获得了比PMI方法更高的精度,算法有良好的可移植性。

中文文本情感词典构建方法

互联网海量文本的情感分析是当前的一个研究热点。介绍了一种中文文本情感词典构建方法,该方法选用若干个情感种子词,利用搜索引擎返回的共现数,通过改进的PMI(pointwise mutual information)算法计算情感词的情感权值。将构建的情感词典应用到文本情感分类实验中,在不同的语料环境下,对比基于情感词典和朴素贝叶斯分类器下的文本情感分类效果,实验结果表明,构建的情感词典,可有效用于情感特征选择和直接用于情感分类,并且分类性能稳定。

用分层互信息和薄板样条实现医学图像弹性自动配准

提出了一种基于分层互信息和薄板样条自动确定标记对应点的选取方法,将图像按照由粗到精的原则,将每个图像分成若干个对应子块进行配准后,在每个子块图像中按照一定规则选取两个对应点,实现图像弹性自动配准·实验结果表明,该方法是一种理想的非刚性图像自动配准方法·

基于ORB和改进的RANSAC图像拼接算法

传统的特征点匹配存在较多的误匹配,且效率不高。针对误匹配,提出了基于二值化互信息的筛选方法,可根据特征点的互信息判断特征点是否匹配正确。此外,用ORB算法提取的特征点分布在颜色变化区域,较为集中。但RANSAC算法得到的变换矩阵仅适用于特征点分布区域,使得拼接结果有误差。针对这个问题,文中用改进的RANASC算法,先筛选出内点,再用内点得到新的特征点,可以使特征点分散;且用迭代的方式得到最佳变换矩阵。实验结果表明,使用二值化互信息筛选特征点,提高了匹配的正确率,也增加了特征点匹配的数目;改进的RANSAC算法能够有效地解决特征点少且集中的问题,使得图像拼接的结果更准确。

基于特征点Rényi互信息的医学图像配准

针对医学图像配准有鲁棒性强、准确性高和速度快的要求,文中提出一种基于特征点Rényi互信息的医学图像配准算法.起初从模板图像与待配准图像中依次提取出多尺度特征点,其次使用其空间坐标计算特征点Rényi互信息目标函数,实现图像配准.该算法有效地避免了多模噪声图像间的灰度差异影响,减少了待处理的数据量,同时使用Rényi互信息来消除目标函数所受的局部极值的影响,进一步提高了配准精度.实验证明该算法适于单模和多模医学图像配准,速度较快、精度高、鲁棒性强,是一种有效的自动配准方法,并且具有较好的临床应用价值.

基于形状特征点最大互信息的医学图像配准

定义了基于形状特征点的互信息计算公式 ,提出区域增长结合动态聚类算法的形状特征点提取方法 .在使形状特征点互信息最大化完成医学图像配准的过程中 ,引入人机交互 ,缩短了优化过程 ,避免了局部极值 .提出的配准策略具备临床实用性 。

基于互信息法和改进模糊聚类的温度测点优化

基于热误差模型进行机床热误差补偿是保证数控机床加工精度的一种有效方法,温度测点的布置和辨识会直接影响热误差建模的精确性和鲁棒性。本文提出一种互信息和改进模糊聚类法相结合的机床热关键点优化方法。以机床不同位置处的多个测点温度值及工件热变形作为分析数据,通过计算温度变量与热变形之间的平均互信息量,获得其综合关联度矩阵,确定二者之间的相关性后初选温度变量。根据改进模糊聚类法、F统计量和复判定系数对初选的温测点进行聚类,并结合温度变量与热变形之间的综合关联度值提取机床热关键点,从而实现测点优化。将基于该方法所得到的热误差模型与采用变量分组优化法获得的热误差模型进行比较,结果显示采用该方法进行热误差建模,机床X轴和Y轴的热变形预测精度得到显著提高,有利于改善加工精度。

基于最大特征点对互信息的图像配准

定义了局部特征点对互信息量,并在两个合理的假设下提出了基于最大特征点对互信息量的一种新的图像配准方法。该方法包含了两个搜索过程:第一个过程是基于特征点对的全局搜索过程,该过程得到初始匹配点对;第二个过程是在初始匹配点对的邻域内利用互信息基本性质的局部搜索,该过程可以进一步提高匹配点对的精度。全局搜索过程能够提高搜索效率,而局部搜索又可以克服依赖于准确提取特征点的不足。最后通过理论分析和实验证明了所提出方法的有效性。

一种新的基于互信息的图像配准方法

针对目前基于互信息图像配准方法中存在的不足,提出结合图像二维信息(如轮廓和边缘)与互信息的图像配准算法。它首先利用小波多尺度积提取两幅图像的特征点及其角度信息,再根据得到的特征点和角度信息,定义了特征点对互信息匹配准则,得到相应的匹配点对。最后进行了仿真实验,并将结果与由相关度、对齐度准则得到的结果进行比较,所提出的算法匹配误差最小。结果表明该算法具有匹配精确、鲁棒性好和效率高等优点。

维吾尔语褒贬情感词典构建研究

为实现维吾尔语网络内容的倾向性分析,进行维吾尔语情感词典的构建研究。首先对现有成果中的情感基准词进行汇总分析,筛选使用频率高、情感倾向强烈的词汇作为维文情感种子词,并利用维文同义词电子词典建立种子扩展词集;其次对HowNet、NTUSD以及大连理工大学开发的情感词典进行并运算,翻译为维吾尔语词汇构成候选词集合;最后利用语料库,计算候选词与种子词以及同义扩展词之间的点互信息值,判别候选词的极性并将其加入到相关的褒贬情感词库中。与汉语句子情感倾向评测实验结果比较,基于该词典的维吾尔语句子倾向性判断准确率和召回率基本相同。

使用特征点与灰度值的医学图像局部配准方法

针对医学图像配准中,存在某些图像间大部分区域没有差异或者存在差异但不被关心的情况,提出了一种局部图像配准方法。该方法使用局部可控的紧支撑径向基函数作为配准变换函数,通过在感兴趣区域设置特征点,将变换函数作用范围限制在图像中某一特定区域,保持其他区域不发生变形。利用图像间的互信息量作为测度函数,更加精确地求解变换函数。在优化策略的选择中,将图像配准看作为寻优过程,采用基于小生境的遗传算法优化变换函数参数,能够克服经典遗传算法早熟、搜索能力差等缺点。通过对已知变换函数的仿真图像与真实医学图像进行实验,结果表明该算法能够准确地找到较优的变换函数,并且将作用区域限制在较小范围内。该方法结合了基于特征点和基于像素配准方法的优点,有效的搜索策略保证了变换函数准确性,是一种可行的、鲁棒的局部医学图像配准方法。