用于脉冲噪声图像的交叉视觉皮质模型滤波

脉冲噪声点与其局部周围所在图像像素灰度值之间有很大的差异,导致了交叉视觉皮质模型(ICM)中神经元激发顺序的不同,根据ICM所具有相似神经元同步激发从而产生脉冲输出的特性,对脉冲噪声点进行定位和自适应滤波.结果表明:文中方法处理的受脉冲噪声污染的图像的信噪比较其他非线性滤波器的处理结果提高50%～60%,运算耗时仅为其他非线性滤波器的20%～30%;同时,比其他非线性滤波方案更有效地保持了图像的高频细节信息,给图像的后期处理和识别打下了很好的基础.     

改进灰色GM(1,m)模型在变压器故障预测中的应用

针对灰色模型在预测变压器故障时对波动数据序列的预测误差较大的问题,提出了一种灰色GM(1,m)预测模型改进方案:对原始数据序列进行处理,使其具有更好的指数规律,以满足预测模型对光滑性的要求;对处理过的原始数据序列进行灰关联度分析,以得到各变量之间的关系;优化预测模型的背景值并用其建模;采用等维新息模型预测数据。采用改进的灰色GM(1,m)模型预测某变压器油中7种特征气体的体积分数,所得预测数据的平均残差和后验相对误差均小于GM(1,1)模型和传统GM(1,m)的预测结果,表明其具有更好的预测精确度。     

In search of evidence for model-driven development claims: An experiment on quality,effort, productivity and satisfaction

ContextModel-Driven Development (MDD) is a paradigm that prescribes building conceptual models that abstractly represent the system and generating code from these models through transformation rules. The literature is rife with claims about the benefits of MDD, but they are hardly supported by evidences.ObjectiveThis experimental investigation aims to verify some of the most cited benefits of MDD.MethodWe run an experiment on a small set of classes using student subjects to compare the quality, effort, productivity and satisfaction of traditional development and MDD. The experiment participants built two web applications from scratch, one where the developers implement the code by hand and another using an industrial MDD tool that automatically generates the code from a conceptual model.ResultsOutcomes show that there are no significant differences between both methods with regard to effort, productivity and satisfaction, although quality in MDD is more robust to small variations in problem complexity. We discuss possible explanations for these results.ConclusionsFor small systems and less programming-experienced subjects, MDD does not always yield better results than a traditional method, even regarding effort and productivity. This contradicts some previous statements about MDD advantages. The benefits of developing a system with MDD appear to depend on certain characteristics of the development context.     

基于灰色预测理论的转子系统振动主动控制

以灰色预测控制理论为基础,采用现代控制理论中的二次型优化原理,以控制力和响应加权最小为目标函数,设计了两种基于灰色预测理论的转子系统振动主动控制方案——灰色 GM(1,1)预测优化控制方案和灰色 Verhuslt 预测优化控制方案.并将该两种方案分别应用于带电磁阻尼器转子轴承系统的转子振动主动控制中,通过数值仿真验证了两种控制方法的有效性,并对两种方法的控振效果进行了比较.     

灰色色谱数模CGM（1,1,2）A的建立及液相色谱保留行为的预测

应用灰色系统理论和最小二乘原理,推导出双变量连续微分ＣＧＭ（１,１,２）Ａ模型,并将该模型用于高铲液相色谱中溶质保留行为的预测。首次用建立的ＣＧＭ（１,１,２）模型研究了不同流动相、没色谱柱下几组烷基苯和链烷醇的容量因子与分子碳数和柱温的预测值平均相对偏差不超过１．５％。结果表明,该模型适合描述溶质保留行为与分子结构参数之间的复杂关系,为分子结构－色谱保留定量相关（ＱＳＲＲ）研究提供了一种新的有效     

AS-OCT图像下的自动皮质性白内障分类框架

白内障是一种主要导致视觉损伤的眼病. 早期干预和白内障手术是改善患者视力和生活质量的主要手段. 眼前节光学相干断层成像图像 (anterior segment optical coherence tomography, AS-OCT) 是一种新型眼科图像, 其具有非接触、高分辨率、检查快速等特点. 在临床上, 眼科医生已经逐渐采用AS-OCT图像进行眼科疾病如青光眼的诊断, 然而尚未有研究工作利用它进行皮质性白内障 (cortical cataract, CC) 自动分类. 为此, 提出了一个基于AS-OCT图像的自动皮质性白内障分类框架, 由图像预处理、特征提取、特征筛选和分类等4部分组成. 首先, 利用反光区域去除和对比度增强方法进行图像预处理; 紧接着使用灰度共生矩阵 (grey level co-occurrence matrix, GLCM)、灰度区域大小矩阵 (grey level size zone matrix, GLSZM) 和邻域灰度差矩阵 (neighborhood grey tone difference matrix, NGTDM) 方法从皮质区域提取了22个特征; 然后, 采用斯皮尔曼相关系数方法对提取的特征进行特征重要性分析并筛除冗余特征; 最后利用线性支持向量机方法进行分类. 在一个临床AS-OCT图像数据集上的实验结果表明, 所提出的皮质性白内障分类框架准确率、召回率、精确率和F1分别达到86.04%, 86.18%, 88.27%和86.35%, 取得与先进的深度学习算法接近的性能, 表明其具有作为辅助眼科医生进行皮质性白内障临床诊断工具的潜力.     

基于运动相关皮层电位握力运动模式识别研究

面向基于脑-机接口（Brain-computer interface,BCI）的脑-机交互控制（Brain-machine interaction control,BMIC）——直接脑控机器人,提出一种新的左、右手握力运动参数范式,在该范式下探索左、右手握力运动相关皮层电位/运动相关电位（Movement-related potentials,MRPs）的时域特征表示并识别握力运动模式.在涉及左、右手4个不同任务的实验中采集了11个健康被试的脑电信号,任务期间要求被试以2种握力变化模式之一完成自愿握力运动,每种任务随机重复30次.不同握力任务之间具有显著差异的运动相关电位特征用于识别握力运动模式.分别用基于核的Fisher线性判别分析和支持向量机识别4个不同的握力运动任务.研究结果进一步证实运动相关电位可以表征握力运动规划、运动执行和运动监控的脑神经机制过程.基于核的Fisher线性判别分析和支持向量机分别获得24±4%和21±5%的平均错误分类率.最小误分类率是12%,所有被试平均最小误分类率为20.9±5%.与传统的仅仅识别参与运动的肢体类型以及识别单侧肢体运动参数的研究相比,本研究可望为脑-机交互控制/脑控机器人接口提供更多的力控制意图指令,奠定了后续的对比研究基础.     

基于复化梯形公式的GM(1,1) 模型背景值的优化

背景值是影响灰色理论建模精度的重要因素之一。根据灰色系统理论建模机理以及数据累加生成具有非齐次灰指数规律,构建动态序列模型;基于积分几何意义的视角,利用函数逼近的思想,结合复化梯形公式,提出一种新的GM(1,1)模型背景值优化方法。算例结果表明,利用优化的背景值计算公式所建立的GM(1,1)模型在预测精度上有显著的提高。     

用Matlab实现GM（1,1）灰色模型的供电量预测

介绍灰色预测模型GM（1,1）在电力系统中的预测应用,同时在Matlab平台上实现了灰色模型GM（1,1）函数的编制。以某市1995～2004年供电量数据为例,并通过此函数对该供电量进行了预测,为灰色数列模型GM（1,1）的应用提供了一种简便的运算方法。     

基于背景值和结构相容性改进的多维灰色预测模型

现有的多变量灰色预测模型的背景值估计误差及模型结构单一是导致该模型预测性能不稳定的重要因素,致使该模型在实际预测领域中应用并不广泛.本文通过分析背景值函数的几何意义,结合积分几何面积公式,提出一种改进的背景值优化方法,使预测模型在背景值系数的选取上更加灵活.在此基础上,模型中加入灰色作用量,提出一种改进背景值及结构相容...     

基于灰色Elman神经网络软件可靠性预测模型

针对当前软件可靠性预测模型在随机性和动态性较强的可靠性现场数据中存在预测精度波动比较大、适应性比较差的问题,提出一种基于灰色Elman神经网络的软件可靠性预测模型。首先使用灰色GM（1,1）模型对失效数据进行预测,弱化其随机性;然后采用Elman神经网络对GM（1,1）的预测残差进行建模预测,捕捉其动态性变化规律;最后将GM（1,1）预测值和Elman神经网络残差预测值相结合得到最终的预测结果。使用航班查询系统的现场失效数据集进行了模型仿真实验,并将灰色Elman神经网络预测模型与反向传播（BP）神经网络、Elman神经网络预测模型进行比较,其对应的均方误差（MSE）和平均相对误差（MRE）分别为105.1、270.9、207.5和0.0011、0.0021、0.0016,并且灰色Elman神经网络预测模型的误差均为最小值。实验结果表明该模型具有较好的预测精度。     

克服灰度不均匀性的脑MR图像分割模型

为了克服脑核磁共振图像中存在的灰度不均匀现象,提出一种有效的脑核磁共振图像分割模型.该模型利用多相位水平集方式来拟合图像的局部灰度,实现多种脑组织的同时分割,并提供光滑且准确的目标边界或曲面.在二维、三维的图像上的比较实验结果表明,该模型是有效的.     

脑皮层的立体脑回图展成平面的新方法

用核磁共振 (MRI)大脑断层图 ,分析患者的脑皮层解剖特征是一项困难的工作 .一个可能的途径是将分割后的脑皮层进行三维重建 .但是重建后的三维立体脑皮层图 ,如不经过 36 0°旋转仅能看到脑皮层上脑回的一部分 .因此还需要展开成平面脑回图以看到脑回的完整走向 .文中提出的投影方法能够在变形尽量小的前提下将立体脑回图展开在平面上 ,直观地看到脑回走向的全貌 ,便于临床诊断或治疗中应用     

灰色理论在电子鼻气体定量分析中的应用

将气体传感器阵列与灰色系统理论相结合,设计出用于气体定量分析的电子鼻。根据传感器数列得到的实验数据为基础数据建立了气体定量分析的灰色预测模型GM（1,N）,并通过该模型对气体的体积分数进行了分析。实验证明：灰色系统理论用于气体的定量分析是可行的。     

Cortical responses to congruent and incongruent stereo cues for objects on a collision path with the observer

We explored the cortical responses to visual collision events that were presented via stimuli that changed in size (looming) or stereo-depth (binocular motion), or both. In particular we examined the differences in cortical response when the looming and binocular cues were congruent or incongruent in the collision information they provided. A stereoscopic goggle system was used within the fMRI environment and allowed us to present looming and disparity cues in isolation, or in congruent or incongruent combinations. Comparison across conditions showed that incongruent cues elicited additional activation in cortical areas know to both process error and locate objects in spatio-topic coordinates. Results are discussed in terms of cognitive and motor responses to seeing incongruent cues.     

灰色神经网络在粮食产量预测中的应用

研究粮食准确预测优化问题,粮食产量受到多种因素影响,同时具有复杂的非线性和随机性特点,传统单一模型难准确对其变化规律进行准确描述,预测精度较低。为提高粮食产量预测精度,提出一种将灰色理论和BP神经网络相结合的粮食产量预测模型。首先采用灰色GM(1,1)预测模型动态预测粮食产量变化趋势,然后运用BP神经网络对灰色GM(1,1)模型预测结果进行修正,以提高粮食产量预测精度。采用1978-2008年我国粮食产量数据对预测模型性能进行仿真测试,仿真结果表明,组合预测模型提高了粮食产量的预测精度,更能描述粮食产量变化规律,为粮食产量准确预测提供了一种有效研究方法。     

对GM灰色模型及理论的分析

繁复的GM灰色模型与理论,可以转化为简单的模型与理论;传统的建模与理论,也可上升为与GM类似的模型与理论;这使得二者具有类同性与可比性。将后者作为前者的参照系,对GM灰色模型及理论展开了比较、讨论与分析,并指出：GM建模过程的数据累加,是简单问题的复杂化;GM模型的选择,是复杂问题的简单化;理论中关于微分方程之说,生搬硬套,不适宜;方法中最佳逼近准则被弱化,致使探讨无止境;而灰色的实质,是多彩被搅合,数据被绑架;个别成功典例,只是概率学上的命中,没有普遍的指导意义。提供了推导,指出了要点,并给出了多个实例。     

基于灰色G(1,1)和小波神经网络的预测模型及应用

将灰色系统、小波分析和三层BP神经网络各自优点集于一身建立了基于灰色G(1,1)和小波神经网络的预测模型,大幅度提高了模型的预测精度和可靠性。选用我国自1994年至2006年狂犬病发病率统计数据,用灰色GM(1,1)模型对历年的疾病发病人数进行建模,将拟合值做小波神经网络的输入进行二次拟合和预测。实验结果及仿真验证表明,本文模型预测效果远优于单一的灰色模型预测。     

基于灰色GM(1,1)模型的时间序列预测研究

基于灰色理论GM(1,1)模型,结合Elman神经网络组成灰色神经网络模型。模型的输出误差作为一个新的时间序列,通过Elman神经网络对误差序列进行拟合和预测,更大限度地减小预测误差。GM(1,1)模型所需要的数据少,方法简单;Elman神经网络是动态的神经网络对历史数据具有高度的敏感性。这种灰色理论与动态神经网络的组合模型,比起单个的预测模型提高了预测精度,通过分析和验证表明,该方法实用有效。