Automatic brain tissue segmentation in MR images using hybrid atlas forest based on confidence-weighted probability matrix

The segmentation of specific tissues in an MR brain image for quantitative analysis can assist the disease diagnosis and medical research. Therefore, a robust and accurate method for automatic segmentation is necessary. Atlas-based-method is a common and effective method of automatic segmentation where an atlas refers to a pair of image consist of an intensity image and its corresponding label image. Apart from the general multi-atlas-based methods, which propagate labels through the single atlas then fuse them, we proposed a hybrid atlas forest based on confidence-weighted probability matrix to consider the atlases set as a whole and treat each voxel differently. In the framework, we first register the atlas to the image space of target and calculate the confidence of voxels in the registered atlas. Then, a confidence-weighted probability matrix is generated and it augments to the intensity image of the atlas or target for providing spatial information of the target tissue. Third, a hybrid atlas forest is trained to gather the features and correlation information among the atlases in the dataset. Finally, the segmentation of the target tissues is predicted by the trained hybrid atlas forest. The segment performance and the components efficiency of the proposed method are evaluated on the two public datasets. Based on the experiment results and quantitative comparisons, our method can gather spatial information and correlation among the atlases to obtain an accurate segmentation.     

基于聚类的数据加权优化在犯罪预测中的应用

近年来，我国传统暴力犯罪与成年人犯罪呈下降态势，但是，犯罪案由层出不穷。为有效提升公安实践工作中犯罪预测能力，打击各类违法犯罪事件,本文针对犯罪数据，提出一种新型犯罪预测模型。利用密度聚类分析方法将犯罪数据分类，然后进行数据降维提取关键属性生成特征数据，继而对特征数据进行加权优化并采用机器学习的方式对特征数据进行学习，从而预测犯罪案由。实验结果表明，与传统方法相比，本文方法具有更好的预测效果，为公安实践工作中类似案件的侦破和预防，提供新的路径支撑。     

熔融制样-能量色散X射线荧光光谱仪分析硅酸盐中32 种组分

为充分发挥小型实验室设备的功能,实验采用熔融制样,使用台式能量色散X射线荧光光谱仪(10W, Rh靶)定量分析了硅酸盐样品中的Na₂O、MgO、Al₂O₃、SiO₂、P₂O₅、SO₃、Cl、K₂O、CaO、TiO₂、V、Cr、MnO、Fe₂O₃、Co、Ni、Cu、Zn、Ga、Rb、Sr、Y、Zr、Nb、As、Ba、La、Ce、Th、U、Hf、Pb等32种主、次、痕量组分。对3种不同的解谱方法进行比较,确定Na、Mg、Al、Si、P、As、Ce、Cr、Cu、Ga、La、Nb、Ni、Pb、Th、U、V、Y选择感兴趣区解谱,其余元素用高斯或经改进的高斯函数的最小二乘法拟合解谱。选用有代表性的多个硅酸盐类样品,比较了理论检出限及10次重复测定计算3倍标准偏差得出的检出限,发现以3倍标准偏差作为检出限再取它们的平均值则更具代表性和使用意义。各组分的检出限为0.2~1740μg/g。精密度试验表明,各组分测定结果的相对标准偏差(RSD)为0.12%~10.5%(Na为轻元素,由于含量低,小能谱测定的精密度稍差);对两个土壤标准样品进行正确度验证,测定值与标准值一致。     

基于特征融合的中文简历解析方法研究

针对基于规则和统计的传统中文简历解析方法效率低、成本高、泛化能力差的缺点，提出一种基于特征融合的中文简历解析方法，即级联Word2Vec生成的词向量和用BLSTM（Bidirectional Long Short-Term Memory）建模字序列生成的词向量，然后再结合BLSTM和CRF（Conditional Random Fields）对中文简历进行解析（BLSTM-CRF）。为了提高中文简历解析的效率，级联包含字序列信息的词向量和用Word2Vec生成的词向量，融合成一个新的词向量表示；再由BLSTM强大的学习能力融合词的上下文信息，输出所有可能标签序列的分值给CRF层；再由CRF引入标签之间约束关系求解最优序列。利用梯度下降算法训练神经网络，使用预先训练的词向量和Dropout优化神经网络，最终完成对中文简历的解析工作。实验结果表明，所提的特征融合方法优于传统的简历解析方法。     

结合细粒度特征与深度卷积网络的手绘图检索

目的 传统的手绘图像检索方法主要集中在检索相同类别的图像，忽略了手绘图像的细粒度特征。对此，提出了一种新的结合细粒度特征与深度卷积网络的手绘图像检索方法，既注重通过深度跨域实现整体匹配，也实现细粒度细节匹配。方法 首先构建多通道混合卷积神经网络，对手绘图像和自然图像分别进行不同的处理；其次通过在网络中加入注意力模型来获取细粒度特征；最后将粗细特征融合，进行相似性度量，得到检索结果。结果 在不同的数据库上进行实验，与传统的尺度不变特征（SIFT）、方向梯度直方图（HOG）和深度手绘模型Deep SaN（sketch-a-net）、Deep 3DS（sketch）、Deep TSN（triplet sketch net）等5种基准方法进行比较，选取了Top-1和Top-10，在鞋子数据集上，本文方法Top-1正确率提升了12%，在椅子数据集上，本文方法Top-1正确率提升了11%，Top-10提升了3%，与传统的手绘检索方法相比，本文方法得到了更高的准确率。在实验中，本文方法通过手绘图像能在第1幅检索出绝大多数的目标图像，达到了实例级别手绘检索的目的。结论 提出了一种新的手绘图像检索方法，为手绘图像和自然图像的跨域检索提供了一种新思路，进行实例级别的手绘检索，与原有的方法相比，检索精度得到明显提升，证明了本文方法的可行性。     

A decision fusion based methodology for fault Prognostic and Health Management of complex systems

Prognostic and Health Management (PHM) represents an active field of research and a major scientific challenge in many domains. It usually focuses on the failure time or the Remaining Useful Life (RUL) prediction of a system.This paper presents a generic framework, based on a discrete Bayesian Network (BN), particularly tailored for decision fusion of heterogeneous prognostic methods. The BN parameters are computed according to the fixed prognostic objectives.The effectiveness of the proposed decision fusion based methodology for the prognostic is demonstrated through the RULs estimation of turbofan engines. The application highlights the ability of the approach to estimate RULs which overpasses the performance of most other published results in the literature.     

长期演进系统基于加权平均时延的下行资源调度

针对长期演进（LTE）移动通信系统下行链路传输中多用户的实时（RT）与非实时（NRT）业务传输性能需求问题，提出一种基于用户加权平均时延的改进型的最大加权延时优先（MLWDF）资源调度算法。该算法在考虑信道感知与用户服务质量（QoS）感知的基础上引入反映用户缓冲区状态的加权平均时延因子，该因子通过用户缓冲区中待传输数据与已发送数据的平均时延均衡得到，使具有较大时延和业务量的实时业务优先调度，提升了用户的性能体验。理论分析与链路仿真表明，提出算法在保证各业务时延及公平性的基础上，提升了实时业务的QoS性能，在用户数量达到50的条件下，对比MLWDF算法实时业务的丢包率降低了53.2%，其用户平均吞吐量提升了44.7%，虽牺牲了非实时业务的吞吐量，但仍优于VT-MLWDF算法。实验结果表明，所提算法在多用户多业务传输条件下提升了实时业务的传输性能，并在QoS性能上明显优于对比算法。     

结构化加权稀疏低秩恢复算法在人脸识别中的应用

针对训练样本或测试样本存在污损的情况，提出一种结构化加权稀疏低秩恢复算法（structured and weighted-sparse low rank representation，SWLRR）。SWLRR对低秩表示进行加权稀疏约束和结构化约束，使得低秩表示系数更加趋近于块对角结构，进而可获得具有判别性的低秩表示。SWLRR将训练样本恢复成干净训练样本后，再根据原始训练样本和恢复后的训练样本学习到低秩投影矩阵，把测试样本投影到相应的低秩子空间，即可有效地去除测试样本中的污损部分。在几个人脸数据库上的实验结果验证了SWLRR在不同情况下的有效性和鲁棒性。     

基于自适应融合的手掌静脉增强方法

针对掌脉轮廓不清晰，图像对比度低、亮度低，进而导致识别性能降低的现象，提出一种自适应融合的手掌静脉增强方法。首先，基于暗原色先验（DCP）去雾算法，根据掌脉图像变异系数自适应选择去雾系数，得到DCP增强图像，并且基于部分子块重叠直方图均衡（POSHE）算法得到POSHE增强图像；然后，将图像分为16个子块，依据图像灰度均值与标准差确定各子块权重；最后，根据各子块权重对DCP和POSHE增强图像进行自适应融合，得到最终增强图像。该方法既保留了DCP算法在增强图像对比度和亮度的同时不引入明显噪声的优点，又保留了POSHE算法在增强图像对比度和亮度的同时不损失局部细节的特点；同时，两者的自适应融合既解决了DCP图像阴影部分掌脉缺失现象，又削弱了POSHE产生的块效应。在对两个公开库和自建库分别进行的实验中，三个数据库的等错误率分别为0.0004、0.0472、0.0579，识别率分别为99.98%、94.27%、92.05%。实验结果表明，与现有的图像增强方法相比，该方法降低了等错误率，提高了识别精度。     

多先验融合的图像显著性目标检测算法

为了更加准确地检测出图像中的显著性目标，提出了多先验融合的显著性目标检测算法。针对传统中心先验对偏离图像中心的显著性目标会出现检测失效的情况，提出在多颜色空间下求显著性目标的最小凸包交集来确定目标的大致位置，以凸包区域中心计算中心先验。同时通过融合策略将凸包区域中心先验、颜色对比先验和背景先验融合并集成到特征矩阵中。最后通过低秩矩阵恢复模型生成结果显著图。在公开数据集MSRA1000和ESSCD上的仿真实验结果表明，MPLRR能够得到清晰高亮的显著性目标视觉效果图，同时F，AUC，MAE等评价指标也比现有的许多方法有明显提升。