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。     

民族体育教学中的特殊姿态校对视觉监控平台设计

为了发展民族体育、弘扬民族文化,现设计一款民族体育教学中的特殊姿态校对视觉监控平台。该平台由视觉监控模块与特殊姿态校对模块构成。视觉监控模块负责进行特殊姿态数据的采集、量化与传导,讨论了该模块中的MFC监控架构、数据传导通信指令结构、主要硬件连接模式以及数据的高阶低通滤波方法。特殊姿态校对模块用于接收视觉监控模块传导出的特殊姿态量化数据,其利用Processing语言建立GUI优化数据结算空间,通过四元数结算方法完成特殊姿态量化数据向欧拉角的转化,根据欧拉角判定规则确定特殊姿态是否需要校对,并标记校对点。实验结果表明,所设计平台的滤波效果好,监控误差小。     

基于铁路动车所"BIM+GIS"模型配色规则研究

铁路工程具有专业多、工艺复杂、体量大的特点,一条长大铁路往往长达几百甚至上千公里,如此大的体量很难用BIM软件将其空间信息全部展示,故通常将BIM模型转入到GIS中来解决。BIM模型通常采用中间格式文件来导入到GIS平台中,而在这个过程中往往会出现模型信息的丢失。模型配色信息是区分设备模型及保证展示效果的重要手段,为测试BIM模型导入到GIS中配色信息的丢失及异常的情况,文章以主流BIM软件3D EXPERIENCE和GIS软件SuperMap为基础,3DXML为中间格式文件,以盐通铁路南通动车所设备设施为例,探究在此过程中模型配色信息的损失情况,研究表明:3D EXPERIENCE及SuperMap中颜色定义优先级存在较大差异,这是模型导入到SuperMap平台中发生颜色丢失及异常的主要原因,为保证3D EXPERIENCE及SuperMap中配色显示统一,通常要在模型的Feature级、PartBody/Body级定义颜色。     

基于伪布尔模型和启发式算法求解无容量设施选址问题

采用伪布尔模型和启发式算法来求解无容量设施选址问题。首先给出了问题的伪布尔(pseudo-Boolean)表示，然后基于Khumawala规则对问题进行预处理，最后提出两种启发式分支准则来求解问题。实验结果表明所提算法简单有效。     

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。     

废旧锂电池包装的技术要求及相关规则

描述回收的锂电池以及损坏或有缺陷的锂电池存在的各类风险,包装设计的要求;介绍联合国建议书、IMDG CODE、ADR、美国49CFR和加拿大TDGR的相关规则。     

Title加TextRank抽取关键句的情感分类研究

考虑到不同句子对判断文档情感倾向的重要程度不同，因而区分文档的关键句和细节句将有助于提高情感分类的性能。同时，考虑到Title和上下文信息，提出了一种基于Title和加权TextRank抽取关键句的情感分析方法SKTT，实现了高效的情感分析。根据文档Title的情感权重计算Title贡献度，考虑到标点和语义规则对情感倾向的影响；根据加权TextRank算法思想，在文档正文中构建了一个情感句有向图来提取关键句；计算所有关键句的情感倾向进行情感分类。在4个领域上进行实验，实验结果表明，该SKTT方法性能明显优于Baseline，具有高效性。