MRI图像重建网格化算法的研究进展

磁共振成像常常是在空间频率域不同间隔地采集数据的，为了利用快速傅里叶变换进行图像重建，采集到的MRI数据必须用网格化算法转换到等间隔的直线网格上，目前有6种不同的网格化算法，其中Jackson的Gridding法和Rosenfeld的短阵反演法已成为该领域的主流方法，但两都都不太完善。具有创新思路的网格化算法仍有待于学术界进一步的开拓。     

分类树中C&RT算法与判别分析的比较及其医学应用

目的:探讨分类树中C＆RT算法和判别分析在数据分析应用中的区别.方法:首先介绍模型的基本原理,据此对方法间的优缺点进行比较,然后采用实例进行分析介绍,并报告模型的树型图,10折交叉验证的预测准确率.结果:C&RT算法是非参数、非线性的,对变量不同属性的适应是非常灵活地;C＆RT在构造树模型时是单变量拆分和递归的,故能够明显细分危险因素.结论:C&RT算法和判别分析模型各有优势,根据数据特点及专业背景合理分析与解释,将能保证分析的正确性和完善性.     

FDK算法中一种新的插值方法

针对在FDK算法的反投影过程中，各个体素在探测器上投影分布的特点，本文提出一种新的插值方法。该方法根据体素投影的特点，采用在重建过程中，根据其在不同扫描角度下在各个探测器单元上的投影所占面积的加权和作为反投影值。实际实验结果表明，在FDK算法中这个新的插值方法比传统的插值方法（如：最近邻插值，双线性插值）重建出来的图像边缘清晰，而且能更好地抑制噪声。     

基于数据挖掘技术的乳腺癌高位淋巴结转移判别分类

[目的]探讨数据挖掘(Data Mining)技术从乳腺癌病例信息中自动提取诊断规则,用于乳腺癌腋窝高位淋巴结转移判别分类诊断研究.[方法]利用重庆医科大学1998-2002年普外科223例手术证实的乳腺癌患者11项指标,建立乳腺癌腋窝高位淋巴结判别分类的3种数据挖掘模型:Logistic模型、卡方自动交互检测(Chi-squared Automatic Interaction Detector, CHAID)决策树模型,径向基函数网络(Radial Basis Functions Network, RBFN)模型.[结果]建立的RBFN判别分类模型的准确率为85.61%,│r-1│为0.0549, RBFN模型所获知识的可靠程度以及对测试集合的准确率明显优于其他两种算法.[结论]RBFN模型可从病例自动提取诊断规则,可应用于乳腺癌腋窝高位淋巴结判别分类的诊断.     

基于当前基线垂直落差最大化的凸壳递归新算法

本文依据同构化凸壳构造基本定理,率先发现并证明了凸壳顶点的分布域性态与垂直落差特性;首次给出当前基线垂直落差最大化的二维点集凸壳算法构造创新思想,提出了比迄今最优秀凸壳算法之一的快凸壳算法效率更高的、基于当前垂直落差最大化的凸壳递归新算法,指出了它具有进一步改造为并行算法的潜力.该新算法的主要特点是:1)找出初始点分布域的所有最外点(其个数,下限为3,上限为8),作为所求凸壳的初始顶点.2)删除这些最外点所构成最外点凸多边形(其边数,下限为3,上限为8)所覆盖的凸壳内点后,把所剩点分布域,分为若干个初始子分布域(其个数,下限为0,上限为4).3) ①对各个非空初始子分布域顺次调用本新算法的递归过程子算法,分别在各初始子分布域中找出其当前基线垂直落差最大点(其个数,下限为1,上限为2),并作为其各初始子分布域内凸壳的新顶点;②删除当前基线与垂直落差最大点所构成基线凸多边形(其边数,下限为3,上限为4)内的凸壳内点后,把所剩点分布域,分为多个更小的子分布域(其个数,下限为0,上限为2);③对各个更小的当前子分布域,分别递归调用过程子算法,以找出其当前基线的垂直落差最大点作为凸壳新顶点.     

一种基于模糊评判规则的P2P流识别算法

针对难以将那些协议未公开、特征不明显的P2P应用识别出来的问题,本文首次将模糊数学理论应用在P2P流的识别中,提出了一种基于模糊评判规则的P2P流识别算法FJRRA.该算法首先对网络数据包进行统一描述,接着定义了长度、出现时机、特征描述以及位置这四个特征的隶属函数,随后建立相应的模糊类,最后用模糊评判规则评定它是归属于某类P2P应用.实验结果说明,运用FJRRA算法可以识别出Skype流,而且准确率较高.     

一种基于iSCSI的自适应故障检测器的研究

故障检测器是构建可靠的iSCSI存储系统所必需的基础组件.本文实现了一种iSCSI系统中自适应故障检测器iAFD(adaptive failure derector for iSCSI).根据心跳(heartbeat)策略,设计了一种自适应心跳机制.故障检测器通过估计预期到达时间来提供一个探测时间,并动态地估算心跳消息超时时限,以适应系统状态的变化,减少故障检测服务的错误.实验表明,该方法与其它的故障检测方法相比,故障检测出错次数较少,检测时间较短,并能够适应高可靠计算系统状况的变化,在侦测的实时性和正确性上提供较好的平衡.     

基于免疫重构的阴性选择算法

针对阴性选择算法在解决实际问题中,易误判及自修复能力差的弱点,该文基于生物免疫系统内部学习优化机制以及工业领域中的可重构系统,提出了一种基于免疫重构的阴性选择算法.新算法将可重构系统的思想融入到阴性选择算法中,提出了重构串、重构模型与重构操作的概念与实现方法,以保证系统发生意外的时候能够及时恢复、重组.将算法应用于一个Web系统进行仿真实验,结果表明该算法是有效的.     

基于动态Q学习算法的情感自动机模型研究

让计算机具有认知和表达自己情感的能力,培养其智能地时人类的情感做出反应是现阶段信息科学研究的热点内容.本文构建了基于动态Q学习算法的情感自动机模型,在该模型中,定义了情感元的概念,情感元应用动态Q学习算法来预测并感知环境的变化,从而改变自身情感来适应周围环境.     

解决矩阵链相乘处理器调度问题的一种新算法

本文介绍了矩阵链相乘处理器分配问题和离散处理器分配算法,描述了Lee Heejo等人提出的解决MCSP的处理器分配算法,提出了一种解决MCSP的时间复杂度更低的算法,使处理器能尽量被充分利用,并对三种分配算法进行了比较分析.