基于小世界模型的流形学习算法

等距特征映射(ISOMAP)不仅计算复杂度很高,而且缺乏对新样本的学习能力。基于标志点的ISOMAP(L-ISOMAP)通过只保持一些标志点之间的测地线距离有效地降低了复杂度,然而标志点集的随机选择常常会导致较差的嵌入结果。为此,提出了一种基于小世界模型的流形学习算法。根据小世界模型的原理,该算法仅仅保持每个样本点与其k个最近邻和一些随机选择的远点之间的测地线距离,采用最速梯度下降法优化来得到数据的低维表示。理论分析表明,该算法的计算复杂度远远低于ISOMAP的复杂度。利用应力函数和剩余方差对3个算法进行了比较。实验结果表明,从该算法得到的结果与从ISOMAP得到的结果相近,且优于从L-ISOMAP得到的结果。同时,该算法可以实现对新样本的学习,对噪声也不太敏感。     

基于多尺度和特征融合的肺癌识别方法

针对病人肺结节大小各异、结节征象复杂造成的结节检测困难问题,基于迁移学习提出一种多尺度和特征融合的肺癌识别方法,根据CT图像预测病人未来一年内患肺癌的概率。根据肺结节和肺肿块大小,采用3种不同尺度的图像块输入三维结节检测网络,避免小尺度输入的结节检测网络难以获取大区域病灶整体特征的问题;在多尺度输入基础上采用特征融合策略,将网络提取的瓶颈层特征和输出层特征融合,充分描述病灶的详细特征。在Kaggle Data Science Bowl 2017数据集上的实验结果表明,所提方法降低了肺癌预测的损失值,提高了肺癌识别精度。     

一种基于非线性降维的聚类算法

针对K-均值聚类算法不能发现任意形状的聚类的问题,提出了一种基于非线性降维的聚类算法.在该算法中,首先用ISOMAP算法对数据集进行优化,然后再用K-means算法聚类.由于ISOMAP算法不能处理不连通的流形,本文提出了一种改进的ISOMAP算法,它能够发现不连通流形的低维嵌入.改进后的ISOMAP算法与K-means算法结果得到了一种有效的聚类算法.实验结果表明该算法能够发现任意形状的聚类.     

优化CMP碱性铜抛光液配比的新方法

采用响应曲面法(RSM)和人工神经网络(ANN)分别对化学机械抛光(CMP)碱性铜抛光液的主要成分(SiO2磨料、FA/O型螯合剂、H2O2氧化剂)进行优化研究.采用RSM优化,当抛光液中磨料、氧化剂和FA/O型螯合剂的体积分数分别为10.57％,1.52％和2.196％时,Cu的抛光速率的预测值和实测值分别为924.29和908.96 nm/min;采用ANN结合人工蜂群算法(ABC)优化,当抛光液中磨料、氧化剂和FA/O型螯合剂的体积分数分别为11.58％,1.467％和2.313％时,Cu的抛光速率的预测值和实测值分别为947.58和943.67 nm/min,其拟合度为99.36％,高于RSM的94.63％,且均方根误差较低为0.199 3.结果表明,在抛光液配比优化方面,RSM和ANN都是可行的,但后者比前者具有更好的拟合度和预测准确度,为更加高效科学地优化抛光液配比提供了一种新的思路和方法.     

基于流形学习的基因微阵列数据分类方法

提出了一种结合流形学习方法与分类算法的基因微阵列数据分类模型,先用流形学习算法对基因微阵列数据进行降维处理,然后再对降维后的数据进行分类.在实验中将流形学习算法LLE、ISO-MAP、LE和LTSA与三种分类算法相结合,并与直接用高维数据进行分类的结果进行了比较,实验结果表明所提出的模型极大地提高了分类精度,同时也提高了分类算法的执行效率.     

基于S-Procedure的分段线性Delta算子系统的稳定性分析

本文研究了一类由Delta算子描述的分段线性系统的二次稳定性问题。基于Delta域的Lyapunov稳定性理论,利用S-procedure构造了分段Lyapunov函数,而且将分段线性Delta 算子系统的二次稳定性判问题转化为一组线性矩阵不等式的求解问题。     

小波插值Galerkin法解二维静电场中的边值问题

提出了一种偏微分方程的数值解法,即小波插值Ｇａｌｅｒｋｉｎ法,它是利用具有紧支撑 　的 Ｄａｕｂｅｃｈｉｅｓ小波函数的自相关函数得到解空间的一组具有插值特性的 Ｒｉｅｓｚ基．讨论了 系数矩阵的预处理技术和多介质问题的处理方法;在混合边界条件的处理中使用了外小波, 既简化了边界条件的处理,又提高了近似解的精度．并将小波插值 Ｇａｌｅｒｋｉｎ法应用在二维 静电场边值问题的数值计算中,得到了较好的结果,与此同时给出了有限元法的计算结果．     

基于改进残差结构的肺结节检测方法

针对肺结节检测方法中网络结构复杂所导致的模型计算量大、过拟合的问题,提出了一种结合深度可分离卷积和预激活的改进残差网络结构,将提出的网络结构应用于肺结节检测模型。该模型以目标检测网络Faster R-CNN为基础,采用U-Net编码解码器结构,利用深度可分离卷积和预激活操作改进了三维残差网络结构。首先,通过使用深度可分离卷积,模型复杂度和计算量大幅度降低;其次,通过使用预激活,模型的正则化得到改善,缓解了过拟合现象;最后,采用矩形卷积核在少量增加模型计算量的前提下扩大了卷积操作的感受野,有效地兼顾了肺结节的全局和局部特征。在LUNA16数据集上的检测中所提方法的灵敏度为96.04%,无限制接收者操作特征曲线下面积（FROC）得分为83.23%。实验结果表明：该方法提高了肺结节检测的灵敏度,又有效降低了检测结果的平均假阳性个数,同时提高了检测效率,可有效辅助放射科医师对肺结节进行检测。     

基于最小方差的股市拐点预测方法

预测股市拐点对指导股市投资具有重要意义,而股市拐点的预测是不平衡分类问题,针对SVM在解决此类不平衡问题时存在偏斜性的问题,提出了一种选取惩罚因子的方法。该方法以训练集交叉验证后所有类别样本的查全率与查准率的方差的乘积做为判断标准,将最小方差乘积对应的惩罚因子作为各类的最优惩罚因子,并将此Biased-SVM模型应用于股市拐点预测。在实验中,选取了常用股票技术指标作为输入向量,与其他几种解决不平衡问题的方法相比。实验结果表明最小方差法在保证非拐点的多数类样本识别精度的同时,提高了两类拐点样本的识别精度,为投资决策提供了佐证与帮助。