基于遗传算法的多模态病变图像关联挖掘仿真

针对传统多模态病变图像挖掘误差较大的问题,提出了一种基于遗传算法的多模态病变图像关联挖掘方法.通过获取病变图像Shannon信息熵中条件熵与联合熵的关系,对病变图像的互信息进行归一化处理;通过遗传算法对病变图像互信息的最优解进行搜索,获取病变图像的最优模态;建立最优模态获取模型,获取多种成像设备病变图像的最优模态,实现多模态病变图像的合成.为了验证基于遗传算法的多模态病变图像的图像挖掘误差较小,将该多模态病变图像与基于刚体模型的多模态病变图像、基于图像灰度的多模态病变图像、基于图像特征点的多模态病变图像进行对比,得到这四种多模态病变图像的图像挖掘误差分别为0.41、0.2、0.19、0.063,通过比较可知该多模态病变图像的图像挖掘误差最小,即该多模态病变图像更加精准.     

基于决策树算法的医疗大数据填补及分类仿真

从大数据的基本特点和医疗大数据研究现状出发,分析处理过程中存在的问题,提出在决策树算法下的医疗大数据填补及分类方法。分析医疗数据的关联规则,采用关联分析(Apriori)算法和频繁模式树(Frequent Pattern Growth,FP-Growth)算法挖掘数据。以挖掘数据为基础填补其中的缺失数据,按照医疗数据特点搭建决策树,并运用ID3和C4.5决策树算法,实现医疗大数据的分类,得出数据分类结果。由仿真得出,与传统方法相比,填补量提高了50%,分类精度提高了11.40%、14.80%,无论从数据的填补方面还是分类方法,上述方法均有较高的应用价值,为医疗大数据体系的构建开辟了新的思路。     

课程资源管理平台的设计与实现

为了使学院教育网更好地服务于教师的教学和学生的学习,平台汲取了近年国内外开发课程资源平台的相关特点,并结合了本院的实际情况。平台的设计即综合了结构化、原型开发、面向对象几种开发方法;同时还采用了以课程为中心的明线和以班级为中心的暗线两条线索。     

自适应加权低秩约束的多视图子空间聚类算法

多视图聚类旨在综合利用视图数据中的一致信息和互补信息实现对数据的划分, 但各视图表征数据的能力参差不齐, 甚至有的视图可能含有大量的冗余和噪声信息, 不仅不能带来多样的信息, 反而影响聚类性能. 本文提出了自适应加权的低秩约束的多视图子空间聚类算法, 通过自适应学习的方式给各视图赋予不同权重来构造各视图共享的潜在一致低秩矩阵. 并且提出了有效的可迭代优化算法对模型进行优化. 在5个公开数据集上的实验结果表明所提算法的有效性.     

决策树算法在诊断机械故障信息挖掘中的应用

为了加强故障信息数据挖掘力度,减少人力物力资源浪费,解决机械故障图像检测的特征信息、高分辨属性描述清晰度有限等问题,在决策树算法的基础上构建一种诊断机械故障信息挖掘方法。对机械故障检测图像中连续小波进行离散化处理,提取小波变换特征,将多次分解后的小波变换特征集成为并行结构;根据包含小波变换特征集并行结构的子集节点,在决策树算法中引入C4.5算法,优化挖掘出具有较高取值信息增益的灰度级,并通过校正矩阵将每个样本图像构造成多个不同的训练数据集,去除不同的属性子集,形成众多深度树,重复选择,直到得到目标数据。仿真实验结果表明,所提出的算法具有计算简单、挖掘效率高等优点,能够在最短时间内获取最优数据挖掘结果,可以广泛应用在现实生活中。     

基于内容的图像检索系统的设计与实现

为了解决多媒体数据库中的图像检索问题,设计了一种基于内容的图像检索系统模型,并给出了该模型的具体实现方法与反馈机制.     

多媒体数据库的数据模型研究

从多媒体数据的特征研究出发,分别介绍了面向对象的数据模型、NF2数据模型、超媒体数据模型、信息元等多媒体数据模型,研究基于内容的图像、视频等多媒体媒体的的检索方法,对建立多媒体数据库系统具有普遍的指导意义和实用价值。     

多媒体数据库系统研究与设计

多媒体数据资源的数量庞大,使得对其的管理日益成为一个严峻的问题。多媒体数据不同于传统数据,是一种非格式化数据,具有对象复杂、存储分散及时空同步等特点。提出了对多媒体数据建立多媒体数据库进行管理,并分析和设计了相应的多媒体数据库。     

基于Ontology的跨媒体检索

从当前跨媒体检索的相关研究出发,介绍跨媒体检索的系统结构和基于OntologY的跨媒体检索结构和算法。