全方向M型心动图运动曲线检测算法的应用研究

为了提高全方向M型心动图运动曲线检测效果,该文对心动图的相关问题进行研究后,提出一种基于模糊增强和灰色理论的全方向M型心动图运动曲线检测算法。首先利用改进的模糊增强算法(PAL算法)来抑制噪声和背景,同时突出边缘信息;再利用灰色理论中的灰色绝对关联度构造统计量来进行边缘检测,精确定位出运动曲线;最后通过对孤立的噪声点和断裂的边缘进行后续的处理,得到最终的运动曲线。实验结果表明：该算法检测效果良好,噪声鲁棒性较强。     

基于亚象素技术的全方向M心动图边界检测

研究一种基于亚象素技术的全方向M型心动图边界的检测方法.在获取全方向M型心动图的基础上,通过图像增强、阈值分割、人工限定目标区域等图像预处理,采用层进式策略提取图像的象素边界,再利用一阶微分期望值对提取后的边界点进行亚象素定位.该方法使边界检测数据从象素级提高到亚象素级,为边界检测后的幅度以及以他的数据为基础的进一步离散一、二阶微分的计算获得的速度、加速度等运动信息的精确测量提供了可能性.     

DICOM全方向M型心动图系统DICOM图像解析方法研究

DICOM全方向M型心动图系统是福州大学生物医学工程研究所的国家发明专利＂全方向M型心动图方法及其系统ZL98125713.5＂和国外的DICOM标准结合生成的新系统。为了实现无损且适应性更好的DICOM图像解析,使用改进的DICOM遍历解析与组织嵌套数据集的方法。在基于对应DCIOM编码的嵌套数据结构的基础上,使用几个递归过程互相调用,实现了无损的DICOM编码,为新系统平稳接入PACS系统奠定了基础。     

基于DFT的全方向M型超声心动图运动曲线的频域滤波

介绍一种基于离散傅里叶变换(DFT)的全方向M型超声心动图运动曲线频域滤波技术。全方向M型心动图是利用B超获取的心脏各结构的序列图像,沿各个方向提取的心脏某结构部位灰度点位置变化在时间轴上展开得到的运动轨迹,其边缘线即全方向M型心动图边界代表了了该灰度点的运动方程。依据其特点及要求,通过对不同区域的频域滤波效果比较,提出了分段滤波方法,实现了消除噪声干扰及减弱阶梯效应的影响的目的,从而保证了对全方向M型心动图的动态信息进一步分析的可靠性。     

基于AVI格式的全方向M型心动图增强研究

为了图像质量更好，基于AVI的全方向M型心动图，针对其特点进行了图像增强的研究，提出了一种特殊的利用熵选取多闲值的算法，实现了图像的多阈值分割，效果令人满意，在扩展图像的对比度、增强轮廓边缘的同时对噪声进行了有效的控制。经过实验，这种算法对心动图具有一定鲁棒性。     

浅论蚁群算法及其应用

蚁群算法作为一种新型的模拟算法,基于其本身所拥有的分布、鲁棒性、并行性等优点,在近些年中得到了快速的发展。文章对蚁群算法的原理及近几年的发展状况做了简单的综述,介绍了其在实际当中的应用,并对今后的发展做了展望。     

结合蚁群搜索与边缘检测的红外轮廓提取算法

现有的边缘检测算法对红外图像进行边缘提取的过程中,容易出现边缘模糊和噪声残留等现象;针对这种现象,提出了一种结合蚁群搜索与边缘检测的红外轮廓提取算法。根据小波变换后各高频子带间的相关性,引入了图像的相关性因子来对图像信号进行分类;并对提取的边缘信号进行基于蚁群算法的边缘检测算法进行边缘提取,来去除其中的噪声信号并对弱边缘信号进行保护。实验结果表明,其实验结果与预期效果基本相符,在不同复杂背景的红外图像中,都具有较好的边缘保护效果与抗干扰能力。     

基于多层次蚁群算法的快递路径优化

文中根据快递路径的特殊性,针对城内交通和城市间交通的差异性,设计出多层次蚁群算法。在传统蚁群算法的基础上,将网络节点划分为不同层次,并在不同层次内采用不同的状态转移策略,选用不同的启发函数;同时,为了提高算法的收敛速度,并且使其不容易陷入局部最优,该算法对信息素的更新策略进行了调整。利用多层次蚁群算法实现了快递网络中成本和时间折中考虑的路径选择问题,通过与基本蚁群算法找出的时间最优和成本最优路径进行比较,证明了该算法的可行性和有效性。     

蚁群算法在求解TSP问题中的改进研究

针对蚁群算法在求解大规模优化问题时存在的3个缺点：消耗时间长、蚂蚁在下次搜索时目标导向不强导致搜索随机性大、寻优路径上的信息素过度增强导致得到假的最优解。本文提出了基于边缘初始化和自适应全局信息素的改进蚁群算法。在相同参数下,其搜索时间大大缩短,并且得到了更好的最优解。将其应用到旅行商（TSP）问题中,和基本蚁群算法、遗传算法相比较,其具有以下优点：较好的搜索最优解的能力;对新解不会过早的终止;探索新解的能力进一步增强。因此,改进的蚁群算法在求解TSP等组合优化问题时非常有效。     

在线铁谱图像分析中基才蚁群算法改进Otsu的设计与应用

在线铁谱图像获取机器磨损状态信息是铁谱诊断技术的核心和瓶颈。针对在线铁谱磨粒图像的Kirsch边缘检测特征不明显和Otsu（最大类间方差法）获取最佳阈值的局限性及耗时等问题,设计了一种基于蚁群算法改进Otsu方法完成图像分割,并结合Kirsch边缘检测来提取磨粒图像信息的新方法。首先通过Kirsch算子检测出图像边缘．然后运用基于蚁群算法改进Otsu方法求取最佳阈值并进行二值化处理．最后采用灰度堆栈空间实现磨粒自动定位。通过现场对三峡电厂5号水轮发电机组2012年油液进行试验和数据分析、及近一年的机组开机老化运行．得出所设计的算法能够有效提取磨粒图像信息,同时节省运算时间,对水轮机组故障预测、诊断起到了良好的实际作用。     

动态蚁群算法用于洪灾搜救问题

蚁群算法是一种求解最优路径的常用算法,其利用自然界中蚁群的活动规律和正反馈原理。动态的蚁群算法针对基本蚁群算法存在的问题和缺点进行改进,采用动态参数因子,可以有效避免搜索的局部最优和进化停滞现象,并且能够提高搜索效率。通过实验结果对比,该算法在求解最短路径方面具有更高的精确度,为今后的搜救问题提供了一种高效实用的参考方法。     

改进蚁群算法的路径规划研究

针对蚁群算法在复杂环境下收敛速度慢且存在停滞问题,提出一种改进的蚁群算法。为了避免蚁群陷入死锁状态,采用回退策略,避免蚂蚁盲目搜索产生大量交叉路径并有效减少蚂蚁死亡数量,并且借鉴了狼群分配策略来更新信息素,提高算法全局性,在状态转移概率中引入一个启发因子并进行调整,避免算法陷入停滞。仿真实验结果表明,改进后的蚁群算法收敛速度明显加快,寻优最短路径达到29.73,迭代次数较少28。验证了该算法的有效性和可行性。     

基于C++ AMP加速并行蚁群算法

蚁群算法与同类智能算法相比具有计算速度快、收敛迅速、算法稳定性好等优点,但是随着数据量的增大,计算用时呈现指数型增长。为了更好地解决大数据量蚁群算法计算慢的问题,结合蚁群算法天然的并行性,基于最新的GPU并行化接口C++AMP实现了并行蚁群算法,使计算用时大幅度减少。经试验分析,该算法可以达到3倍的加速效果。     

优化蚁群算法在ASON路由中的应用研究

针对基本蚁群算法中存在搜索时间长,易陷入局部最优解等问题,提出一种改进的基于蚁群优化的ASON网络路由算法,在蚁群算法中采用自适应调整α和β参数及挥发系数ρ等措施,加快了算法的收敛速度,提高ASON路由算法性能,增强了算法的适应能力,并通过仿真实验证明该方法的可行性和有效性.     

基于蚁群算法PID控制器的应用研究

传统的PID控制对于控制模型不确定并具有非线性特性的对象时,存在参数难以整定、控制效果不好的缺点,文中提出了一种基于蚁群算法的PID调节算法,即利用蚁群算法动态调节PID的参数,实现对配料系统的控制,通过实验仿真的方式证明了该方法具有良好的控制效果及适应性。     

改进的蚁群算法及其在TSP中的应用研究

提出一种改进的蚁群算法,其核心是应用遗传算法对蚁群算法的 4 个控制参数(α、β、ρ、q0)进行优化,以及运用 MMAS(max-min ant system)进行寻径,新算法具有全局搜索能力强的特点。对旅行商问题(TSP)的仿真实验结果表明:新算法的优化质量和效率都优于传统蚁群算法和遗传算法。     

基于蚁群算法的P2P网络资源发现算法

Gossip协议是P2P网络的一种流行的资源发现算法,但它没有考虑寻找最低成本的资源。论文提出了基于蚁群算法的新的资源发现算法,在查找资源的同时,综合考虑路径载荷、延时等因素,找到综合费用最低的路径。仿真实验表明,该算法比Dijkstra算法解集的平均综合费用低10%左右,从而能更有效地利用网络资源。     

基于改进蚁群算法的机器人路径规划

采用MAKLINK图论建立机器人路径规划的空间模型,利用Dijkstra算法减少工作空间的搜索范围,引入免疫算子,将其融合到蚁群算法的每次迭代过程中,提高蚁群算法在全局搜索空间的遍历性和收敛速率,避免陷入局部最优解。