基于最大类间方差的最大熵图像分割

最大熵分割算法对于目标与背景之间界限模糊的图像分割效果较好,但该算法对图像边缘的处理能力较差。最大类间方差分割算法对图像边缘的识别能力较强,但该算法对于目标和背景之间界限模糊的图像分割效果不好。针对上述问题,提出了一种基于最大类间方差的最大熵图像分割算法,该算法既能很好地对目标与背景之间界限模糊的图像进行分割,又能有效地识别图像的边缘。实验结果表明,本文所提算法对目标与背景之间界限模糊的图像的分割效果以及对图像边缘的识别能力均优于传统的最大类间方差算法和最大熵算法,且具有更好的有效性和鲁棒性。     

基于数据处理的省级能源预测预警平台设计

为解决传统的能源数据报送和发布方式滞后,能源数据的上报和汇总速度慢,数据标准化缺乏、有价值信息无法共享利用,以及能源管理方面存在严重的信息不对称等问题,提出一种由电力、煤炭、石油及综合四个子系统构成的省级能源监测预警信息系统设计方案。依托现代信息技术和数据分析技术,全面采集和分析能源资源的储藏量、生产、消费、进出口、库存、区域间流动和利用效率等信息。建立相应的能源统计、预警、监测、单位GDP能耗统计及考核等指标体系,并完成了系统的框架设计。平台具有保障能源资源总量供给平衡的功能,可为政府及相关部门的宏观决策管理提供信息服务和支撑。     

基于双通道轻量图卷积的序列推荐算法

传统基于图神经网络的序列推荐算法,在构图阶段忽略了其他用户序列中项目的转换关系,针对这一问题,提出了一种基于双通道轻量图卷积的序列推荐算法。首先,为目标用户找到其邻居用户序列,将目标用户序列和得到的邻居序列合并成一个有向序列图,充分利用了用户之间潜在的协作信息。然后,通过双通道轻量图卷积,分别对2种序列进行信息传播,每个通道通过指数分母的形式组合每一层的信息,融合2个通道得到的嵌入生成最终的项目嵌入。最后,对得到的项目嵌入通过后几项取平均的方式提取短期偏好,再通过引入挤压激励网络的多头自注意力机制提取长期偏好,整合长短期偏好得到用户的最终偏好。在2个公开数据集Beauty和MovieLens-20M上进行充分的实验并验证了算法的有效性。     

融合序列局部信息的日期感知序列推荐算法

基于自注意力机制的序列推荐算法利用用户的交互序列建模用户的动态偏好,预测用户未来的行为。但是,将交互序列直接输入自注意力层将会限制算法对序列局部关联信息的有效利用。此外,现有的大部分推荐算法利用用户最近的行为表征与目标项目的点积计算项目得分,这将削弱先前交互项目对推荐结果的影响。提出融合序列局部信息的日期感知序列推荐算法,使用多个垂直过滤器融合各交互项目在交互序列中的多种局部关联信息,同时使用交叉注意力机制捕获所有历史交互项目和目标项目的关系,并且抛弃了传统的位置嵌入方法,改用交互发生的日期作为绝对时间嵌入。在多个公开数据集上的实验表明,该算法在不同的评估指标上较基线算法均有一定程度的提升。     

去除磁共振成像图像莱斯噪声的加权扩散

针对各向同性扩散易于造成图像边缘等特征区域的模糊以及相干增强扩散易于在图像背景区域内产生伪条纹的问题,提出了一种根据磁共振成像（MRI）图像莱斯噪声分布特点来对其进行降噪的加权扩散算法。该算法以MRI图像背景区域的莱斯噪声方差作为区分MRI图像背景区域和感兴趣的边缘特征区域二者特征差异的阈值。基于该阈值,该算法构造了一个加权函数,并用该函数对各向同性扩散和相干增强扩散进行加权。加权函数根据图像在不同结构区域的变化,自适应地调整两种扩散的权值,从而充分发挥两种扩散的优势并克服各自的不足。实验结果表明,该算法在峰值信噪比（PSNR）及平均结构相似度（MSSIM）的评价上优于一些经典算法。因此,该算法的降噪及保护、增强边缘的能力更为优越。     

迭代图像重建中系统矩阵与重建图像质量关系研究

针对现有系统矩阵算法复杂、效率低的问题,提出了一种简易的线段加权算法。对比传统线段加权算法,所提算法大大减少了对直线与网格相交情况的判断,使用二维方式对网格进行编号,并且基于提出的算法对传统线段加权法计算系统矩阵过程进行了改进。采用改进方法计算的系统矩阵重建图像,并且对重建图像质量进行评价。实验结果表明,所提算法的运算速度比Siddon改进算法提高了3倍以上,并且重建图像的质量随着线段加权法中计算线段数目增加而逐步提高。     

人工智能技术在医学研究中的应用

阐述人工智能技术比较睡眠呼吸暂停综合征（SAS）患者的血氧饱和度指标与健康人群之间指标的差异性，选择患者血氧的最佳指标，对每段数据计算多种特征并分析差异，使用人工智能领域中的人工蜂群算法优化支持向量机相关参数的模型。