痰液显微图像细胞边缘提取的数学形态学新方法

根据痰液细胞图像的边缘灰度变化特点,在经典微分算子检测基础上,运用适当的改进的数学形态学方法对痰液细胞进行边缘提取。在实验中对同一幅痰液细胞图像分别用Sobel算子、Roberts算子、Laplacian算子和基于数学形态学的方法进行边缘检测。结果表明,基于数学形态学的边缘提取算法对于痰液细胞图像边缘提取有很好的效果。     

提取B超病灶的尺度分解小邻域统计水平集方法

在区域水平集方法基础上,利用小波变换将图像分解成多尺度子图像,对不同尺度子图像进行边缘提取并经过数学形态学算子修正,得到接近目标边界的水平集初始轮廓,解决了区域水平集方法对初始轮廓要求高的问题;接着运用小邻域统计方法计算并判断各像素点小邻域统计信息,筛选出该邻域内有效点集作为本次参数代入水平集公式进行迭代运算。实验表明:与几种现存的水平集方法相比,小邻域统计水平集方法能够较好地抑制B超图像噪声,快速地确定病灶边界,对模糊边界的捕获效果好。     

灾害救援实时最快通行路径算法

灾害救援需要物资人力的快速运输,而突发灾害常会影响到道路的通行状态,研究道路网络动态变化情况下救援车辆的实时最快通行路径算法,具有重要的经济和社会意义.针对灾害发生后道路状况多变突变的情况,提出一种实时最快通行路径求解算法ARFTP(Algorithm of Real-time Fastest Traffic Path),将结点进行分类筛选,依据相应准则进行运算,减少了需要重新计算的结点和路径数量.当车辆行驶在原定救援最快通行路径上时,实时收到路段变化信息,根据ARFTP求解策略可快速求出新的最快通行路径.通过仿真验证了算法的有效性和效率,对提高灾害救援运输效率具有一定的意义.     

多受灾点应急救援车辆调度的优化遗传算法

在多个地区发生灾害后,迫切需要及时救援和物资的快速运输,从仓库调拨物资到受灾点,交通网络规模较大,运输货物类型多样,并且要满足各个受灾点的资源需求、实时路况、运抵时限要求等多个目标约束条件,车辆调度具有较大难度.为解决多重约束带来的困难,根据遗传算法的生物进化理论和群体遗传学机制,建立了车辆应急运输的多目标优化问题模型,设计合适的序列编码方式表示车辆行进路线及运输货物类型;建立了新的优化遗传算法,从编码方式的设计、适应度函数、选择、交叉和变异操作机制的设计三个方面做了创新改进,主动保持优良基因,根据阶段进展调节交叉和变异概率,有效提高好的新模式的产生几率,较好地克服了已有方法的早熟局部收敛所导致的结果偏差较大的不足.多个仿真实验结果表明,优化遗传算法比已有算法在满足送达时限以及送达时间的总长度等方面均有较大提高,对于复杂的调度任务,在保证运抵时限的前提下,可占用更少的车辆,花费更少的行进时间完成物资运输,从而满足多受灾点对物资的实时性需求.     

肿瘤特征基因选择的互信息最值过滤原则与粒子群优化算法

基因数据小样本、高维数、高冗余的特点常导致特征基因选择出现"维数灾难"和"过拟合",针对这一问题,提出一种特征基因提取算法——互信息最值过滤原则-惯性权重粒子群优化（MIMVFC-IWPSO）算法。首先,借鉴过滤法的思路,通过计算互信息指标,依据互信息最值过滤原则（MIMVFC）获得特征基因候选子集（FGCS）,缩小分类操作的范围,提高特征基因被覆盖的概率;接着,对粒子群优化（PSO）算法进行改进,引入惯性权重实现自调节可变惯性权重粒子群优化（IWPSO）算法,使得在算法迭代初期有着快速的全局优化能力,而在算法后期具有较强的局部搜索能力;最后,运用IWPSO从FGCS中提取核心信息基因子集（CFGS）,并基于CFGS对样本进行肿瘤与正常组织的分类。采用3个公开的肿瘤基因表达谱数据进行实验,MIMVFC正确分类率优于信噪比（SNR）、t-检验和信息增益（IG）方法,与卡方统计值（Chi-Square）方法接近,而MIMVFC还能利用IWPSO进一步优化结果。基于相同的FGCS,与目前效果较好的二进制粒子群优化与防治基因算法（BPSO-CGA）相比,IWPSO的运算耗时有所增加,但所获得的CFGS规模减小,准确率提高;而与经典PSO相比,所获得的CFGS规模减小、运算耗时减少、准确率提高。实验结果表明MIMVFC-IWPSO具有较好的综合分类性能,能有效提高准确率和效率,可用于多种肿瘤的特征基因选择,辅助指导分子生物学实验设计和验证。     

云计算资源的动态随机扰动的粒子群优化策略

云计算环境中的资源具有动态性和异构性,大规模任务资源分配的目标是最小化完成时间和资源占用,同时具有尽可能好的负载均衡,这是一个非确定性多项式（NP）问题。借鉴智能群体算法的优点,提出基于改进的粒子群优化（PSO）算法构建混合式群体智能调度策略——动态随机扰动的PSO策略（DRDPSO）。首先,将PSO的惯性权重常数修改为变量,实现对求解过程收敛速度的合理控制;其次,缩小每次迭代的搜索范围,在保留候选最优集合的前提下减少无效搜索;然后,引入选择操作,筛选出优质个体并传递到下一代;最后,设计随机扰动,提高候选解的多样性,在一定程度上避免了局部最优陷阱。在CloudSim平台上进行了两类仿真测试,结果表明,处理同构任务时,在大部分情况下DRDPSO的指标都优于模拟退火遗传算法（SAGA）和遗传算法（GA）+PSO算法,总执行时间比SAGA减少13.7%~37.0%,比GA+PSO减少13.6%~31.6%;其资源耗费比SAGA减少9.8%~17.1%,比GA+PSO减少0.6%~31.1%;其迭代次数比SAGA减少15.7%~60.2%,比GA+PSO减少1.4%~54.7%;其负载均衡度比SAGA减小8.1%~18.5%,比GA+PSO减少2.7%~15.3%,且波动幅度最小。处理异构任务时,三种算法表现出相似的规律：CPU型任务的总执行时间最多,混合型任务次之,IO型任务最少,DRDPSO的综合指标最好,较为适合处理多种类型的异构任务,而GA+PSO算法适合快速求解混合型任务,SAGA则适合快速求解IO型任务。所提DRDPSO在处理较大规模的同构和异构任务时,能够较为明显地缩短总的任务执行时间,不同程度地提高资源利用率,并适当兼顾计算节点的负载均衡。     

基于FPGA的高频视觉刺激控制器的设计

研究稳态视觉诱发电位需要视觉刺激器生成高频刺激信号。而传统的刺激器在产生高频图像刺激时的准确性和同步性极差,并且使用不便、刺激模式单一。鉴于此,设计了一个高频视觉刺激控制器,以FPGA为控制器并采用硬件描述语言Verilog HDL设计程序,实现图像刺激的生成。实验结果显示,设计的视觉刺激控制器具备时间精度高、准确性高和同步性好的优点,能有效地生成高频刺激信号。     

分形方法在心电仿真中的应用

在基于细胞电生理的心电活动仿真中,传导系统非常重要,但由于Purkinje纤维分布的复杂性使得心室传导系统的构建非常困难。根据Purkinje纤维分布特点,用分形理论对心室传导系统进行了描述,并采用分形树模型,基于文法规则,提出了分形树的生成规则,通过分形树的曲面生长算法实现心室Purkinje传导系统的构建。该模型应用于三维心室电活动仿真中,取得了较好效果。     

一种新的基于Snake模型的方法及病理细胞图像分割应用

Snake模型在图像分割中对于初始轮廓的设置要求高,并且难以逼近凹陷区域.设计了动态外部力,提出了奇偶点对规则,对于轮廓线上的任意关键点都能够计算出其所受到的动态外部力方向,简洁而有效地解决了这两个问题.此外,讨论并确定了轮廓线停止运动的条件,以及无效轮廓线的去除方法.用于病理细胞图像分割测试结果表明效果很好.