基于深度强化学习的多模态医学图像配准

传统图像配准方法中,图像特征的表示和相似性测度的选择易受到人为因素的影响,不能准确地表征图像特征和配准图像的相似度,从而对配准结果产生较大误差.针对此问题,借助端到端的强化学习方法,对这2个部分进行隐式的表达,从而避免人工设计的缺陷.具体而言,设计了一个人工智能体模型,由策略网络和价值网络2部分组成,用以指导浮动图像朝着参考图像的方向正确移动,进而实现图像配准.提出使用异步表演者-评论家方法进行模型训练,以避免经验回放操作,降低模型训练对存储容量的要求并加快模型的收敛;同时提出一种奖赏函数,能够给予每个时间步上图像配准动作估计更为准确的奖励.此外,在测试阶段,使用了蒙特卡罗前向推理策略,进一步提高配准参数的准确性.在MR和CT的临床医学图像配准数据集上进行实验,与传统基于尺度不变性配准算法、基于深度学习配准算法等进行对照分析,实验结果表明,所提出的方法目标配准误差可以减少30%左右,同时能够更好地处理具有大幅度形变的配准问题.     

基于改进的Random Subspace的客户投诉分类方法

电信业的客户投诉不断增多而又亟待高效处理。针对电信客户投诉数据的特点，提出了一种面向高维数据的改进的集成学习分类方法。该方法综合考虑客户投诉中的文本信息及客户通讯状态信息，基于Random Subspace方法，以支持向量机（Support Vector Machine，SVM）为基分类器，采用证据推理（Evidential Reasoning，ER）规则为一种新的集成策略，构造分类模型对电信客户投诉进行分类。所提模型和方法在某电信公司客户投诉数据上进行了验证，实验结果显示该方法能够显著提高客户投诉分类的准确率和投诉处理效率。     

基于证据推理的激光惯组最优维护方法

为解决激光惯组存在的故障样本获取困难和监测维护周期不合理等问题，采用一种融合多元信息的性能评估方法对激光惯组的性能进行评估。首先，综合考虑了惯组指标信息的权重和可靠度，基于证据推理融合多元信息得到激光惯组性能评估结果。其次，根据性能评估结果，通过维纳过程预测综合考虑激光惯组的监测维护成本和性能设计要求，在满足性能状态要求前提下以单位时间内期望维护成本最小为目标，确定最优维护时机。最后，使用某型号激光惯组进行了实验验证，说明所提出的方法的有效性。     

ATSP:时态网络可视化的自适应时间片划分方法

现有的时态网络可视化方法大多采用等量时间片来可视化网络的演变，不利于时态模式的快速挖掘和发现。为此，根据时态网络固有的特征提出自适应时间片划分方法（Adaptive Time Slice Partition method，ATSP）。在时态网络的两种表示方式（基于事件的表示方式和基于快照的表示方式）的基础上，构建了ATSP的基础模型，同时提出了一种改进模型用来描述事件间隔时间服从长尾分布的时态网络。为了实现时间片的不等量划分，针对探索任务的不同提出了基于时态模式的ATSP规则和基于中心节点的ATSP规则，并提出了实现算法--层次划分算法（Hierarchical Partition algorithm，HP）和增量划分算法（Incremental Partition algorithm，IP）。实验结果表明，ATSP方法比传统的时间片划分方法更能准确地表示网络的时态特征，且该方法应用于可视化时，能有效归纳并展示网络的特征，明显提高了视觉分析的效率。     

北京山区推理公式设计洪水计算若干问题研究

北京山区推理公式是北京地区无资料山区小流域设计洪水计算的基本方法之一.结合北京山区原推理公式与改进后推理公式存在问题,分析了利用推理公式计算山区小流域设计洪水的适用性和可靠性,并提出相关使用建议.针对当前推理公式方法计算设计洪峰流量与洪水过程线计算中采用的降雨和径流资料不一致问题,提出将山区推理公式与瞬时单位线方法组合应用,解决无资料小流域设计洪水过程线计算的基本思路和方法.研究表明,该方法理论上可行,方法更为合理,建议推广使用.     

基于贝叶斯推理的直升机自动倾斜器轴承动态阈值计算方法

针对加权平均方法计算得到动态阈值准确度不高的问题,利用正常数据概率密度和不同故障类型数据概率密度的特点,提出一种基于贝叶斯推理的直升机自动倾斜器轴承动态阈值计算方法。首先,采用奇异值分解对振动信号进行预处理,滤除噪声对动态阈值计算结果的影响;其次,采用故障频率能量特征提取方法,分别提取正常数据和内圈、外圈、滚珠故障数据的特征;最后,采用贝叶斯推理方法分别计算正常数据与内圈、外圈、滚珠故障数据的动态阈值。利用故障植入的方法获取数据,开展动态阈值计算试验,结果表明,方法能够正确找到正常数据和不同故障类型数据概率密度曲线的分界点,具有较高的正确率,较低的漏报率,方法提高了动态阈值的计算准确度。     

案例推理式输电线单端电流行波故障测距

针对线路单端电流行波故障测距因波头标定困难所导致的测距可靠性不高、难自动执行等不足,提出基于历史数据进行案例推理的经验学习式改进思路。首先分析线路故障实录行波的形态特征和影响故障距离折算的因素。针对故障的复发性和多厂家、跨平台、不同电压等级线路故障波形的相似性,对测距过程中的波头标定和距离折算2个关键阶段进行参数化、案例化描述,根据相应特征属性于历史案例库搜索最相近样本进行算法参数复用从而实现智能测距。该方法能够对复发性故障实现测距结论复用,能够对高相似度故障样本实现测距方法复用,测距效果随历史故障样本积累而提升。不同厂家行波装置获得的大量故障实录数据表明该方法可行、有效。     

中科院成都信息技术股份有限公司

集成创新服务国家公司简介中科院成都信息技术股份有限公司是由创立于1958年的中国科学院成都计算机应用研究所整体转制而来,是中科院直接控股的高科技公司。公司主营业务是以高速机器视觉、智能分析技术为核心,为党政会议、烟草、油气、特种印刷等行业提供信息化整体解决方案、智能化工程和相关产品与技术服务。秉承科学院求真务实传统,中科信息人团结拼搏。转制十