【摘 要】
：
针对乳腺肿块特征空间复杂,分类难度大的问题,采用尺度不变特征(scale-invariant feature transform,SIFT)进行肿块特征提取,使用区域生长算法得到感兴趣区域后,使用SIFT来提取感兴趣区域的特征,再利用K-means聚类的方法得到“视觉词汇”并生成词条,将得到的词条输入SVM训练.实验结果表明,上述特征提取方法减少了描述肿块的特征维数便于分类,提高了肿块分类的准确率,为乳腺肿块计算机辅助诊断系统提供了一个新的思路.
【机 构】
：
北京工商大学计算机与信息工程学院,北京100048
论文部分内容阅读
针对乳腺肿块特征空间复杂,分类难度大的问题,采用尺度不变特征(scale-invariant feature transform,SIFT)进行肿块特征提取,使用区域生长算法得到感兴趣区域后,使用SIFT来提取感兴趣区域的特征,再利用K-means聚类的方法得到“视觉词汇”并生成词条,将得到的词条输入SVM训练.实验结果表明,上述特征提取方法减少了描述肿块的特征维数便于分类,提高了肿块分类的准确率,为乳腺肿块计算机辅助诊断系统提供了一个新的思路.
其他文献
针对单神经元的Matsuoka振荡器的中枢模式发生器(CPG)模型只能输出持续高位的信号,不能实现控制六足机器人的三足步态规划的问题,提出通过模拟生物肌肉的特性,建立伸张肌神经元与收缩肌神经元相互抑制相互作用的双神经元的Matsuoka振荡器模型.通过试凑法与单参数分析法结合确定双神经元Matsuoka振荡器模型的参数.最后通过Matlab仿真验证了改进后的Matsuoka振荡器能够控制六足机器人的三足步态规划.
物联网节点移动导致网络拓扑的动态变化,动态组网给终端任务调度带来严重的路由、功耗、以及准确性等问题.为解决上述问题,提出一种基于移动节点追踪的时隙调度策略.为了确保拓扑变化过程中,网络终端任务调度获得最佳路由,考虑到节点的感知功效和感知能效,设计了感知精度与能量平衡的节点追踪方法.在节点位置感知的基础上,对网络拓扑采取节点区域划分,为了准确分配时隙,利用区域划分中的节点稀疏性和关联度,引入了自关联因素,构造时隙节点的自关联特征.同时利用非线性时序进行模型分解,并根据时隙特征确定单跳或者多跳路由,从而使时隙
为了提高水下机器人位置控制的精确性,降低因系统耦合而造成的位置误差,提出了针对六自由度水下机器人的奇异摄动系统建模及控制方法.首先对水下机器人的姿态和位置进行动力学建模,将速度、角速度作为快变量,位置、姿态作为慢变量,从而把模型转换为奇异摄动系统模型,再对奇异摄动系统模型进行快慢分解,对快慢系统分别设计PID控制律,最终复合得到改进的PID优化控制方法.最后以仿真算例说明,提出的基于奇异摄动技术的PID优化控制方法的可行性和有效性.
浏览行为数据挖掘受节点分类概率的影响,导致挖掘精度较低,于是提出基于标签映射的长短期浏览行为数据挖掘方法.通过对长短期浏览行为数据进行降维处理,对数据降低维度与减少存储空间的同时提高了数据挖掘速度,剔除冗余数据,有效保留重要信息特征.最终结合标签映射对数据进行训练学习,精准地完成浏览节点分类概率的计算,实现高精度的长短期浏览行为数据挖掘.仿真结果表明,所提方法能够有效降低分类开销,提升浏览行为数据的挖掘速度与挖掘的准确性.
针对传统的多源数据库缓存冲突处理方法存在冲突数据包丢失率高、数据库缓存冲突消除率低和缓存冲突处理精度低的问题,提出基于动态反馈的多源数据库缓存冲突处理方法.通过分析缓存冲突基本处理的无状态策略与状态策略,建立动态反馈机制,并对节点负载数据进行检测,根据检测结果评估多源数据库负载情况,在此基础上分析冲突数据包丢失现象,计算冲突丢失数据包,采用基于BS的分割策略对冲突丢失数据包进行分配,完成多源数据库缓存冲突处理.仿真结果表明:所提方法的冲突数据包丢失率小,数据库缓存冲突消除率高,多源数据库缓存冲突处理效果较
针对可穿戴系统信号处理算法抗干扰性能不足问题,首先提出一种低功耗的可穿戴血氧饱和度和心率检测系统原理方案,以F407VET6微处理器为核心框架,集成优化MAX30102血氧饱和度与心率检测电路布局,优化采集信号处理.其次提出了一种新的小波阈值函数改进小波分解重构算法,整合了软、硬阈值函数的优点,算法设置可行的分解层数,对采集的脉搏波数据进行降噪去基线漂移.可穿戴检测系统实现了样机的数据采集,算法的实验对比结果表明,系统的抗干扰检测精度达到较好的实用性能.
传统异构网络异常大数据剔除方法存在数据维度较高、噪声较明显问题,导致异常数据剔除率偏低,且方法精度也不够理想.研究提出基于马氏距离的异构网络异常大数据剔除方法.利用改进马氏距离降维处理异构网络数据,分析数据之间相关性,提取网络数据主成分,生成具有较强抗噪性的高斯加权核函数.通过降维处理后的网络数据构建异常大数据信息流模型,利用固有模态将异常大数据信号分解成若干个窄带信号,通过特征点对的匹配实现异构网络异常大数据的高效剔除.实验结果表明,上述方法能够确保信号幅值大于噪声幅值,提升所提方法的异常大数据检测能力
当前数据库隐私可搜索加密算法忽略了对用户位置信息的加密,导致传统算法存在恶意攻击数据拦截量低、数据加密误差大和隐私等级低的问题.现提出基于位置匿名的数据库隐私可搜索加密算法.预处理用户位置信息的比特序列,并通过分段线性编码加密隐藏用户位置信息.加密用户搜索数据,完成用户信息二次加密,以压缩函数为基础搜索出最全面的关键词相关加密信息,实现数据库加密信息的搜索.实验结果表明,所提算法的恶意攻击数据拦截量高、数据加密误差低,且隐私等级高.
在电梯群调度系统研究中,蚁群算法应用较为广泛,但仍存在迭代次数多、收敛速度慢等问题,同时高层建筑电梯鲜有优化调度.针对上述问题,提出一种将强化学习和蚁群算法相结合的高层电梯群控调度方法:建立以用户乘梯体验和系统运行能耗的多目标函数优化调度模型,用Q-learning迭代寻优后的Q值初始化蚁群算法的信息素,同时也将Q值引入概率路径选择中,用并行蚁群算法进行最终派梯策略的寻优.用Python进行实验分析,结果表明所提方法较单蚁群算法有较快的收敛性,在很多大程度上减少了业主的待梯、乘梯时间以及系统运行能耗.
针对传统火灾多出口疏散场景三维模拟方法存在三维仿真度较低的问题,设计一种古建筑群火灾多出口疏散场景三维模拟方法.获取古建筑群游客特征,包括疏散人数特征、人员构成特征、人员疏散速度特征.其中,疏散人数特征通过对古建筑群进行实地调查获取;人员构成特征通过对游客性别与年龄构成进行调查,获取古建筑群相应人员特征分布趋势;人员疏散速度特征的获取,需要参考人员的形体尺寸与行走速度.通过获取古建筑群游客特征后,根据古建筑群火灾特点,获取古建筑群火灾模型的模型系数,构建古建筑群火灾模型.利用OGRE程序开发工具构建古建筑