基于GSO算法与互信息的医学图像配准

医学图像处理过程通常包括图像预处理、特征提取、图像分类,Harris角点检测算法是常用的特征点提取算法之一。该算法适应多种变换、运算简便,在医学图像处理领域中广泛应用,但在实际应用中发现传统的Harris算法检测到的特征点数量不足且图像配准精度不高。因此提出了一种优化算法（GM-Harris算法）,即采用群搜索优化算法（GSO算法）与互信息相结合的方式优化传统Harris算法的过程,并从匹配有效率与算法效率两方面对2种算法的特征点提取效果进行了定量分析。实验结果表明,与传统的Harris算法相比,GM-Harris算法不但可以获得较充足的特征点,而且还能提高图像配准的精度。     

信息检索中基于链接的网页排序算法

介绍超链接环境下基于链接的网页排序算法,比较和分析了ＰａｇｅＲａｎｋ算法和ＨＩＴＳ算法,指出了ＰａｇｅＲａｎｋ算法更适合于搜索引擎的服务器端,而ＨＩＴＳ算法更适合于搜索引擎的客户端,还构造并初步实现了在信息检索中,应用超链接环境下网页排序算法的综合模型。     

一种基于权函数的改进型关联规则挖掘算法

提出了一种基于权函数的改进型关联规则算法——CWA priori算法。该算法利用决策属性在挖掘中的作用,归约数据源中无价值或价值较小的记录,从而缩短程序运行时间和节约数据存储空间,较好地改进了算法性能。实验结果证明CWA priori算法的效率明显高于A priori算法。     

分班问题的拉斯维加斯算法实现

介绍了蒙特卡罗和拉斯维加斯两种随机算法的概念、特征，比较了两种算法在求解时的区别．利用分班问题实例，探讨了两种算法的解决方法，并重点介绍了拉斯维加斯算法的实现方案．     

乙酰化生物学研究进展

在网络节点数量不断增加的情况下,JXTA基于洪泛的路由策略会使得网络中出现很多冗余的数据包,致使网络拥塞、路由效率低下,难以适应复杂的网络环境。结合蚁群算法和随机游走算法提出了一种动态路由算法,该算法对路由解析请求信息的转发规则做出改变,减少路由解析请求信息的转发数量,从而对JXTA的路由策略进行改进。利用Peersim网络模拟器进行了网络仿真实验,实验结果表明改进的路由算法可以明显减少冗余数据包的数量,有效提高了JXTA网络的路由效率。     

三维肝脏CT图像中的血管分割

为了更好的了解血管生理形态,常需要从医学图像中分割出血管。采用传统的单阈值区域生长算法进行血管分割。如果选取的阈值太高可能导致血管末梢的丢失,而如果选取的阈值太低则可能会导致一些不属于血管的点被生长到血管区域中。因此,提出了一种基于Ordered Region Growing（ORG）算法的双阈值区域生长算法来克服这个缺点,实验证明这种算法能够获得较好的血管分割效果。     

基于花香浓度的人工蜂群算法在机器人路径规划中的应用

传统的人工蜂群算法是在一种较理想的环境中进行的,不会考虑风的阻力、长时间飞行找不到蜜源使体力下降等现实因素。本文提出了基于花香浓度的人工蜂群算法——FABC算法,在传统的人工蜂群算法中加入了步长和视野范围两个因素提升求解精度,并在侦查蜂阶段提出了花香浓度机制避免陷入局部最优,提高收敛速度。为了验证FABC算法的有效性,采用4个经典测试函数对FABC算法进行了仿真实验,并将实验结果与传统人工蜂群算法以及其他改进人工蜂群算法进行对比。最后将FABC算法应用到机器人路径规划仿真实验中,实验结果证明FABC算法能够有效地解决机器人路径规划问题。     

基于医学图像降噪阈值选取的动态优化算法

SIFT算法是提取特征点的常用算法之一，具有良好的健壮性，在医学图像处理领域中广泛应用。然而传统的SIFT算法采用固定的降噪阈值会影响特征点选取的合理性，因此提出了一种动态优化算法(PM-SIFT算法)，即采用PSO算法与互信息结合的方式优化传统SIFT算法，并从特征点有效性与计算时效性两方面对2种算法的特征点提取效果进行定量分析的结果表明，与传统的SIFT算法相比，PM-SIFT算法不但可以动态地选取合适的降噪阈值，而且还能提高图像配准的效果。     

基于改进蝙蝠算法的工业控制系统入侵检测

针对蝙蝠算法（BA）易陷入局部极小的缺点,提出了两点改进：（1）在蝙蝠位置更新时考虑了当前局部最优解分布对算法的影响;（2）将差分进化算法（DE）中的变异操作迁移到蝙蝠算法中,采用随机性变异的方式增加了种群多样性,提升了算法局部搜索能力,并通过典型测试函数验证了本文算法的优越性。将该算法用于工业控制系统（ICS）入侵检测中支持向量机（SVM）分类器的参数优化,使用工控入侵检测标准数据集进行仿真研究。结果表明,与DE、粒子群算法（PSO）和遗传算法（GA）等优化算法相比,其优化的SVM入侵检测模型在检测率、漏报率和误报率等指标上都有显著提升。     

修正初始权值的BP网络在CSTR故障诊断中的应用

将BP算法和使用复合法修正初始权值的BP算法运用到CSTR模型中进行故障诊断。采用复合法对初始权值进行修改，避免了BP算法中初始权值的随机性带来的收敛缓慢甚至瘫痪现象，并结合CSTR模型的故障诊断进行了仿真运算，与BP网络的比较表明了改进算法在运算效率上的优势。     

云计算中基于进化算法的任务调度策略

任务调度是云计算的关键问题之一,它的调度策略与算法直接影响到云计算系统的性能与成本。通过研究基于粒子群算法和遗传算法的任务调度策略,提出了一种基于进化策略的PSO-CM算法。该算法通过在粒子群算法中引入遗传算法的交叉变异策略来提高粒子群算法的全局收敛效果,并且证明了PSO-CM算法是一种全局收敛算法。Matlab仿真实验表明,该算法能够达到全局收敛,且收敛速度和稳定性优于传统的调度算法。     

一种新的基于纠正正弦图探测值的PET图像Bayesian重建算法

目的 提出一种新的耦合反馈(CF)修改观测值的迭代模型以进一步改进正电子发射成像(PET)的Bayesian重建.方法 在PET重建的迭代过程中,此种负反馈迭代算法利用最近的一次重建图像来更新有噪声的探测到的发射正弦图数据.对此重建图像的相关操作包括线性滤波、维纳滤波和对重建图像的投影.研究中使用的正弦图数据来自模拟体模数据.结果 实验及对于重建图像的视觉和量化比较表明,所提出的新的重建算法要优于传统的Bayesian重建,能够进一步提高PET图像的质量.结论 文中提出的修改观测值的CF迭代模型能够在一定程度上改善原始测量数据,能够应用于PET图像重建或其他原始数据噪声较大的重建问题.     

基于改进的GHSOM聚类算法的图像检索

传统的图像检索需要顺序比较图像库中的图像与请求图像的相似度,检索速度和检索准确度都很低。针对此问题,提出了一种基于改进的增长型分层自组织映射网络（GHSOM）的图像检索方法。先将图像特征库用改进的GHSOM算法进行聚类,在图像检索时先在GHSOM网络模型上找到相似的类,然后在相似的类上继续进行检索,大大提高了检索效率。并且在搜索相似的类时充分利用GHSOM网络的分层结构,更进一步地提高了检索效率。改进的GHSOM网络根据算法的特点构建了赤迟信息量（AIC）准则,用该准则来选择每个独立的SOM网络的生长参数,使得每个网络都能正确地表达映射到它的数据集的结构,提高GHSOM网络的聚类效果,从而提高检索的准确性。实验结果表明,改进的GHSOM算法得到了更好的聚类效果,基于它的图像检索方法提高了将近3倍的图像匹配速度,同时图像检索准确率也得到了一定程度的提高。     

基于机器学习的药物血浆蛋白结合率的预测

预测药物在血浆中的蛋白结合率，有助于了解药物的药代动力学特征，对药物发现的早期研究有重要的参考价值。本研究收集了2 452个临床药物的血浆蛋白结合率信息，用Molecular Operating Environment（MOE）和Mordred两种软件计算分子描述符，将算得的分子描述符作为模型的输入特征。使用极端梯度提升（extreme gradient boosting， XGBoost）算法和随机森林（random forest，RF）算法构建机器学习模型。结果表明，与MOE相比，将Mordred计算的分子描述符作为模型的输入，构建的模型预测性能更优。使用XGBoost算法和RF算法构建模型的预测性能结果相近，最优模型的R²均为0.715。此外，根据研究结果得出药物血浆蛋白结合率与药物分子的一些理化性质参数，如水溶性，辛醇/水分配系数以及共轭双键密切相关。通过这些参数预测药物血浆蛋白结合率具有方便快捷的优点，可以为相关药代动力学研究提供参考依据。     

一种基于改进型遗传算法的模糊聚类

针对模糊C均值算法(FCM算法)难以达到全局最优解的问题,引入了具有全局搜索能力的遗传算法以解决聚类问题,并在标准遗传算法基础上进行了改进。将该算法运用于IR IS数据的聚类,实现了较好的聚类,从而验证了算法的有效性。     

智能辅助诊疗平台设计与探索

设计开发智能医生助理平台,应用贝叶斯分类、人工神经网络和关联规则算法,分别实现智能分诊、智能诊断以及智能优选处方等医疗辅助功能,从而改善就医环境,提升医疗服务水平。     

PageRank算法与HITS算法比较研究

对PageRank算法和HITS算法的基本思想和具体算法进行介绍,从算法思想、权重的传播模型、处理的数据量及用户等待时间几方面对两种算法进行比较,并分析其各自的优缺点。