一种SPOT图像公路信息全自动提取新方法

提出了一种基于模糊连接度的SPOT图像公路信息全自动提取算法。该方法首先运用Sobel算子对SPOT图像进行边缘检测,然后使用阈值优化道路边缘点从中选取出道路种子点,接着通过计算图像中各点与种子点间模糊相似程度来提取道路信息,最后进行进一步完善处理。实验表明,该方法性能良好,在整个提取过程中不需要人工输入种子点,可以快速地实现道路特征的全自动提取。     

基于残差网络的无监督角膜视频分割算法

基于角膜形变计算出一系列生物力学特性参数是训练早期圆锥角膜分类模型的数据基础,因此圆锥角膜轮廓分割的精确性直接影响着早期圆锥角膜分类模型的准确性。本文提出了一种基于残差网络的无监督角膜视频分割方法。通过统一的网格化采样提取一组锚点被同序列视频帧所共用,从而减小网络模型学习特征表示的计算量并且提高了计算效率。同时设计了一个正则化分支对原有的视频集进行相似性转换来解决可能存在的退化解问题。与已有的无监督视频分割任务相比,本实验模型使用了少量的训练数据,但却取得了更高的分割精度和计算效率。     

基于CCTSK模糊神经网络的谷胱甘肽发酵过程建模

为了解决谷胱甘肽发酵过程建模中,由于试验数据含有噪音而导致的模型预测精度下降的问题,运用CCTSK模糊神经网络对谷胱甘肽发酵过程进行建模,并与BP神经网络进行对比.实验证明:CCTSK模糊神经网络具有更高的可解释性和良好的鲁棒性.     

二型Takagi-Sugeno-Kang模糊模型和不确定高斯混合模型的等价性

不确定的高斯混合模型和二型Takagi-Sugeno-Kang(TSK)模糊模型之间的对应关系被建立: 任何一个不确定的高斯混合模型都唯一对应着一个二型TSK模糊系统, 不确定的高斯混合模型的条件均值和二型TSK模糊 系统的输出是等价的. 基于此, 一种设计二型模糊系统的新方法被提出: 通过建立不确定的高斯混合模型确定二型TSK模糊系统, 即用概率统计的方法设计二型模糊系统. 仿真实验结果表明利用不确定高斯混合模型设计的二型模糊系统比其它模型具有更强的抗噪性和更快的速度.     

基于能量因子的基因调控网络重构

重构基因调控网络有助于探索生命系统的本质问题。线性组合模型以其形式简单和易于求解的特点被成功应用于基因网络的重构过程中。作者针对线性组合模型只考虑了基因之间的线性调控关系的缺陷,引入了能量因子的概念,从而使得模型具备了分析基因间的非线性调控关系的特性。将模型应用于大肠杆菌(Escherichia coli)的SOS DNA修复过程中,实验证明:该模型能较好地拟合大肠杆菌的SOS DNA修复过程,进一步提高了调控网络的构建精度。     

基于熵准则的发酵过程TSK 模糊建模

提出了一种基于熵准则函数的TSK 模糊系统建模方法. 不同于传统的基于MES 经验误差最小的准则函数,该准则函数能从训练样本的整体分布结构来进行参数学习,有效地避免了由于过学习而导致泛化能力差的缺点.将其应用于复杂的发酵过程建模,结果表明新方法具有良好的预测精度,泛化能力和鲁棒性 .为解决发酵过程建模中试验数据含有噪音,导致模型预测精度下降的问题提供了一条研究思路.

     

基于熵准则的发酵过程TSK模糊建模

提出了一种基于熵准则函数的TSK模糊系统建模方法.不同于传统的基于MSE经验误差最小的准则函数,该准则函数能从训练样本的整体分布结构来进行参数学习,有效地避免了由于过学习而导致泛化能力差的缺点.将其应用于复杂的发酵过程建模,结果表明新方法具有良好的预测精度、泛化能力和鲁棒性.为解决发酵过程建模中试验数据含有噪音,导致模型预测精度下降的问题提供了一条研究思路.