基于支持向量机的骨肉瘤X线图像中病变区域的自动识别研究

采用骨肉瘤X线图像中病变区域的颜色特征和基于灰度共生矩阵的纹理特征作为特征向量,研究利用支持向量机算法对骨肉瘤病变区域的自动识别方法,结果充分表明支持向量机良好的分类能力.     

基于混合核函数的PSO-SVM分类算法

在数据挖掘中,支持向量机是被广泛应用的一种分类算法,其核函数的选择及参数的设定没有有效的标准。本文采用混合核函数构造兼顾学习能力和泛化性能的支持向量机算法,并利用粒子群算法来确定支持向量机的参数。应用基于混合核函数的PSO SVM算法对一个经典的分类测试数据集进行分类,将该算法与单一核函数支持向量机算法的分类结果进行比较,结果表明所提出的算法的分类性能有明显提升。     

基于动态筛选策略的SMO改进算法

提出了一种基于动态筛选策略的SMO(Sequential Minimal Optimization)改进算法,它能快速地筛选出绝大多数的边界支持向量和非支持向量,并将非边界支持向量限定在很小的范围内。仿真实验结果表明:样本规模无论大小,这种策略都能使Keerthi的改进算法2的性能得到大幅提升。     

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。     

一种基于Bark域能量分布的噪声分类方法

对不同种类噪声的分类处理,可以提高噪声环境下语音信号处理的性能。为了能够准确地区分各类噪声,提出了一种基于Bark域噪声能量分布特性的噪声分类方法。通过将噪声能量从均匀时频空间映射到Bark空间,构造了一个能够有效区分各种噪声的22维特征向量,并使用支持向量机（SVM）进行模型训练和噪声分类。实验结果表明：所提出的噪声分类方法具有非常高的分类准确率,对用于实验的两种噪声数据集的平均分类准确率分别为99.50%和93.44%。     

基于图像处理和支持向量的肺癌CT图像的分类研究

目的研究肺癌CT图像的分类问题。由于肺癌图像的复杂性及图像采集过程中不同程度的存在噪声干扰,造成人工分类难度增大。本文提出一种基于图像处理和支持向量的肺癌分类方法。方法首先对采集的原始CT图像进行去噪处理,通过图像分割技术得到肺实质感兴趣区域,然后利用灰度共生矩阵,提取感兴趣区域的纹理特征,最后利用支持向量机分类器对数据样本进行训练测试。结果仿真结果表明,本方法对肺癌CT图像分类准确率达到90%。结论为肺癌的临床诊断与治疗提供了依据。     

基于支持向量机的故障诊断方法

提出了基于支持向量机的故障诊断方法和步骤。诊断实例表明，与神经网络故障诊断方法相比，诊断小样本分析的支持向量机故障诊断方法具有分类能力强、推广能力好的特点。     

基于CUDA和深度置信网络的手写字符识别

为了应对海量的字符(手写)识别,提出了一种将统一计算设备架构 (Compute Unified Device Architecture, CUDA)和深度置信网络相结合的方法进行手写字符识别。该方法结合受限玻尔兹曼机和反向传播神经网络形成深度置信网络对字符图片数据进行识别,并且使用CUDA在图形处理器（GPU）上进行并行计算来完成识别过程。实验结果表明,使用该方法后,在不降低识别精度的情况下手写字符识别的速度大幅提升。     

基于改进克隆选择算法的最小二乘支持向量机

针对最小二乘支持向量机的参数选取问题,引入了克隆选择算法,提出了一种基于改进克隆选择算法的最小二乘支持向量机。同时根据最小二乘支持向量机的学习能力和泛化能力,在克隆选择算法的目标函数中加入两者的动态调节机制,这样改进的克隆选择算法在寻优过程中能够准确、快速地搜索到最小二乘支持向量机的最优参数。将本文模型用于乙烯裂解炉裂解深度值的学习和预测,经仿真实验表明：该预测模型的训练速度快,预测精度高。     

基于显微CT多分形谱特征和支持向量机的骨质疏松诊断

骨质疏松症是以骨量减少、骨微观结构退化为特征,致使骨的脆性增加以及易发生骨折的一种代谢性骨病.一直以来,骨密度被认为是骨质疏松症诊断的临床标准和骨质疏松性骨折的主要预测因子.最近研究发现,低骨量只是骨质疏松的危险因素之一,除骨量外,骨小梁的微结构变化对骨强度起着至关重要的作用[1-2].因此,对于骨小梁微结构的深入研究成为解决骨质疏松问题的关键[3].     

一种基于混合区域分割的特征词袋模型识别算法

数字广告图像识别与数据分析在广告精准推送、收视行为分析、商业网络搜索等各大应用领域有着重要的应用。针对网络图片搜索的实际需求,结合图像特征提取识别技术,本文对数字媒体广告图像的识别和分类方法进行了研究。针对传统的基于空间金字塔匹配的视觉词典模型算法匹配条件较为苛刻、缺乏抗形变能力等局限性,在视觉词典模型算法的基础上,引入视觉特征词典特征点的空间位置信息,使用混合高斯模型实现了自适应的空间区域划分。实验结果表明,识别算法的抗形变能力和识别精度在标准库及本地广告库的测试中均能取得较好的测试结果。     

基于禁忌搜索的混合算法在驾驶压力识别中的应用

驾驶员在压力状态下行车会对驾驶安全产生很大影响,严重时甚至会造成交通事故。为准确检测驾驶员的压力状态,提取了驾驶员生理信号的多模态特征并提出了一种基于多种过滤式算法（Multi-filter,MF）与禁忌搜索算法（Tabu Search,TS）相结合的混合算法来选择有效特征向量。该算法首先采用多种过滤式算法的综合评分对原始特征集进行排序和过滤,有效降低特征维度;然后利用禁忌搜索算法进一步选出最优特征组合;最后采用支持向量机对3种不同驾驶压力水平进行分类。实验结果表明,本文提出的混合算法不仅有效地消除了高维特征向量中的冗余信息,还提升了分类准确率。     

采用并行计算的混沌优化方法

基于混沌理论的基本概念，分析了几种不同的混沌变量用于优化问题的方法，针对混沌算法对初始值的敏感依赖性，提出了采用并行计算的混沌优化方法(P-Chaos)。令搜索从不同的初始值同时出发，降低对初始值的敏感度，加快搜索速度。对3个测试函数进行优化计算仿真的结果表明，并行混沌优化方法取得了满意的应用效果。     

Enhanced Cancer Recognition System Based on Random Forests Feature Elimination Algorithm

Accurate classifiers are vital to design precise computer aided diagnosis (CADx) systems. Classification performances of machine learning algorithms are sensitive to the characteristics of data. In this aspect, determining the relevant and discriminative features is a key step to improve performance of CADx. There are various feature extraction methods in the literature. However, there is no universal variable selection algorithm that performs well in every data analysis scheme. Random Forests (RF), an ensemble of trees, is used in classification studies successfully. The success of RF algorithm makes it eligible to be used as kernel of a wrapper feature subset evaluator. We used best first search RF wrapper algorithm to select optimal features of four medical datasets: colon cancer, leukemia cancer, breast cancer and lung cancer. We compared accuracies of 15 widely used classifiers trained with all features versus to extracted features of each dataset. The experimental results demonstrated the efficiency of proposed feature extraction strategy with the increase in most of the classification accuracies of the algorithms.     

一种基于图像正交矩的肿瘤细胞识别技术的研究

肿瘤细胞自动识别一直是研究的焦点.由于矩不变量具有高度浓缩的平移、尺度、旋转、灰度多畸不变图像特征,本研究选择圆谐-傅立叶正交矩作为肿瘤细胞的特征表征量,使用最小加权平均距离方法进行分类,利用计算机识别系统,对痰、尿、胸腹水细胞学涂片进行了细胞识别实验,获得了较好的识别结果,具有临床应用潜力.     

基于数字人图像分割和识别的新框架

目的：提供一种高层知识引导分割和底层处理向知识归纳相结合的自动分割识别框架,并将该方法有效应用于彩色图像的数字化可视人体数据集（Chinese Visible Human,CVH）内部结构的自动分割和识别中.方法：首先利用分类标签在CVH2图像中提取脑干部分的图像,用Otsu获取阈值进行图像增强,将脑干轮廓作为分割的初始化轮廓,运用Level Set方法来实现精细化的分割：利用周长和质心位置建立联合判别函数,并对分割结果进行分类识别.结果：该算法准确对CVH2数据集脑干内黑质、中脑水管进行自动分割和识别,通过Amira软件三维重建分割结果获得较好的重建效果,并与手动分割结果保持了较好的一致性.结论：该框架能够实现数字人图像自动的多目标精细分割和识别,为知识引导的自动图像分割和识别提供了新的方法.     

基于核谱回归与随机森林的脑电情感识别

利用DEAP情感数据库研究脑电的情感识别问题。首先,使用聚类算法确定情感状态的目标类别;然后,比较了两种不同的特征提取方法：一种是小波变换,另一种是非线性动力学,并研究了基线特征对情感分类效果的影响;最后,研究了5种特征降维方法对分类性能的影响,同时比较了4种不同分类器的性能,包括K-最近邻（KNN）、朴素贝叶斯（NB）、支持向量机（SVM）和随机森林（RF）。研究结果表明,核谱回归（KSR）降维方法和随机森林分类器的组合对情感状态的分类效果最好。通过对脑区与情感关系的研究发现,只使用部分脑区的少量电极也可以达到90%的分类准确度,这些电极主要分布在额叶皮层。     

人的异常步态检测算法

人的步态分析在计算机视觉领域近年来倍受关注.但是,到目前为止,对于人的步态分析只考虑了利用步态对人的身份进行识别的应用.而从另一个角度来分析步态,可以将步态作为一种分析人的身体健康状况的方法,应用到医学步态分析中,作为一种科学的异常步态检测方法.我们将人的异常步态与人的正常步态区分开来,将步态识别的多类问题化为两类问题,应用到生物医学领域中.基于变化信息的步态识别算法,经实验,结果表明该算法拥有较高的识别率和较低的计算代价,同时选择的特征向量对于摇晃的,蹒跚的和摔倒等非正常步态都能够稳定的检测出来,能够很好的应用于生物医学领域.     

一种新的基于导频簇方案的时变OFDM系统双重ICI消除算法

主要研究了正交频分复用(OFDM)系统基于线性时变(LTV)模型的子载波间干扰(ICI)消除算法。在LTV模型中采用双重ICI消除算法可以达到比较好的性能,然而由于导频处的估计值准确度有限,限制了算法性能的进一步提升。提出了一种基于导频簇方案的双重ICI消除算法,采用基于导频簇的梳状导频结构,大幅降低导频处的ICI影响,取得了较好的效果。