基于直方图梯度计算的 T2加权脑部 MR 图像自动分割

针对脑部核磁共振图像分割问题,提出了一种直方图梯度计算方法。首先,对 MR 图像的直方图进行平滑处理,从而去除三个体素中出现的最低灰度级;然后,在预处理后的直方图上计算梯度;最后,计算对象数和其所在位置的梯度,并对图像进行自动分割。基于直方图处理进行梯度计算,大大降低了计算复杂度。在 T2加权脑部 MR 图像上的实验结果表明,该方法可以有效地从二维和三维图像中提取出主要脑部区域,并在临床环境中获得的人类脑部 MR 图像上成功实施,分割效果优于其他几种现有分割算法。     

项目子相似度融合的协同过滤推荐算法

针对用户评分数据稀疏性和项目最近邻寻找的不准确性问题,提出了一种项目子相似度融合的协同过滤推荐算法.该算法根据目标用户每一属性取值,选取与该属性值一致的用户作为用户子空间,并在此空间上计算目标项目与其他项目之间的相似度(称其为项目子相似度).在此基础上,以项目子相似度为依据选取目标项目的K最近邻,计算其预测评分;最后对用户不同属性上的预测评分进行加权求和,得到目标项目的最终评分.实验结果表明,该算法能准确地选取目标项目的最近邻,明显改善了推荐质量.     

基于多通信半径的加权DV-Hop定位算法

DV-Hop定位算法是无线传感器网络中一种常用的基于非测距的定位技术,该算法使用平均跳距表示实际距离,在实际应用中造成很大的误差和节点能耗。为此,分析了加权DV-HOP 定位算法,并在加权算法基础上,引入多通信半径广播方法细化节点间的跳数,最后提出了一种基于加权DV-HOP的改进型RWDV-Hop定位算法。仿真结果证明,加权DV-HOP在定位精度上比DV-HOP算法提高了7.3%,改进型RWDV-HOP在定位精度上比加权DV-HOP算法提高了6.7%。     

基于加权支持向量机的凸轮升程误差拟合方法

针对凸轮磨削加工过程中存在局部升程误差严重超差的问题,提出了加权支持向量机的凸轮升程误差补偿方法。首先根据圆率的符号判断凸轮升程误差值是否连续,然后建立了不连续点与相邻点之间夹角与加权值的关系。通过加权支持向量机对凸轮升程误差值进行拟合。然后将原始凸轮升程值减去经拟合后的凸轮升程误差值,获得新的凸轮升程值。再根据圆率自动调整加权值的系数,使凸轮升程值光滑点数最大,即获得最优的凸轮升程值。对上述算法进行仿真和编程,经YTM8336-16数控凸轮轴磨床进行磨削验证。实验表明,凸轮升程误差由原来的±0.059 mm降至±0.011 mm,表面粗糙度由Ra0.32μm降至Ra0.25μm,获得良好的效果。     

认知无线电网络中安全的协作频谱检测算法

在认知无线电网络中,当认知用户存在虚假感知信息SSDF时,协作频谱感知的性能会受到巨大影响。为了确保频谱感知的鲁棒性,提出了一种基于信誉度加权序贯频谱检测算法来识别恶意用户并减轻他们造成的影响。该算法通过使用认知用户的近期感知信息计算本地信誉度函数,再综合考虑其信誉值与感知过程中表现的稳定程度以消除恶意用户对主用户的传输效率带来的影响。仿真结果表明,在恶意攻击环境下,新算法优于现有典型协作频谱感知算法。     

无线传感器网络能量感知增强树型路由协议研究

现有的无线传感器网络路由协议普遍采用设定固定最小能量阈值的方法来避免低剩余能量的节点被选为数据转发节点,以防止因节点过早死亡而导致的网络结构破坏。然而这种方法缺乏应用灵活性。在本研究提出的能量感知增强树型路由协议中,设定了随着网络整体能量下降而动态变化的节点剩余能量阈值,以使得网络中所有节点的能量均衡下降,且采用了同质化加权求和的方法将邻居节点节省的路由跳数和剩余能量同时考虑进路由决策过程。最后,实验结果显示该协议可进一步提高网络稳定性。     

针对有向图的局部扩展的重叠社区发现算法

当前社区发现算法主要是针对无向图研究社区结构,但在实际复杂网络中,链接关系时常表现出非对称性或方向性,比如Twitter的用户关注关系,文献网络的引 用关系,网页之间的超链接关系等应用网络。因此,本文依据信息在复杂网络中的传播规律和流动方向性,提出了k-Path共社区邻近相似性概念及计算方法,用于衡量结点在同一社区的相似性程度,并给出了把有向图转换为带方向权值的无向图的方法。基于带权无向图提出了一种从局部扩展来探测社区的重叠社区发现算法(Local and wave-like extension algorithm of detecting overlapping community, LWS-OCD)。在真实数据集上的实验表明,共社区邻近相似性概念实现了有向到无向的合理转换,而且提高了社区结点的聚集效果,LWS-OCD算法能够有效地发现带权无向图中的重叠社区。     

基于新方向模板法的火炮内腔三维重构研究

为了对火炮内腔圆结构进行研究,实验中采用以0.5mm为单位步距的高速清晰摄像的方法得到一系列的孔腔图片,对图片进行处理并实现火炮内腔结构三维图形效果。在图片处理过程中,利用孔腔特殊圆结构,提出了新的方向模板法求取孔腔边缘每点的法线方向,进而精确求取圆心位置及半径。在圆心周向角有效区域内以角度θi为单位步进作过圆心和边界的直线,在直线与边缘相交处微小范围内先后采用双线性插值算法和灰度重心法求取光条中心,有效地保证了取值精确度和三维成像的质量。     

一种基于局部加权回归的分类方法

分类是数据挖掘和数据分析中最有应用价值的技术之一。传统的积极学习方法需要预先对模型空间进行假设,并且没有充分考虑到实例之间的相关性,其泛化能力将会受到一定程度的影响。针对上述问题,提出了一种基于新型映射关系的局部加权回归方法 MLWR。该算法首先找出测试样本在训练集中的近邻样本,然后建立测试样本和近邻样本的回归函数,根据建立的回归模型和近邻样本的标签,计算得到测试样本的标签。实验与当前流行的多种分类方法在UCI的9个数据集上进行测试。实验结果表明我们的方法能有效地提高分类精度,对较大样本数据也有较好的适用性。