基于人工智能的舌象辅助诊断系统

舌象诊断是中医诊断中必不可少的方法之一，其蕴含丰富的健康信息，可成为中医智能诊疗的关键落足点。文中基于用户使用逻辑开发应用程序，融合了人工智能技术提取舌象影像特征，根据中医舌诊规范和临床指南进行了智能分析；再利用分析结果与信息化平台融合，开发了信息化、智能化的舌象辅助诊断系统。     

基于信息融合的信号调制方式识别

本文利用信息融合技术,给出了多系统调制识别方法.单个系统利用高阶累积量构造识别特征.数据加权、特征平均、最小距离方法分别用于多系统数据层、特征层和决策层的融合.仿真结果显示多系统的调制正确识别率高于单系统的正确识别率,其中基于数据层融合的正确识别率高于基于特征层和基于决策层融合的正确识别率.说明信息融合有助于提高调制识别性能.     

图像分析技术在舌诊客观化中的应用

舌诊是中医四诊的重要内容,为历代医家所重视,是辩证论治的主要依据.中医舌诊的客观化研究,对于中医辩证规范化及中医临床、教学、科研手段的现代化,具有重要的意义.本文对中医舌诊客观化涉及的图像分析技术进行了研究,提出了舌图像的彩色校正、舌体区域分割、舌质与舌苔特征分析、舌象裂纹分析等一系列实用的算法,并通过研制的中医舌象分析仪的临床应用证明了这些算法的有效性.     

新型中医舌象分析仪关键技术研究

针对现有舌象采集装置在进行舌象信息采集时,不能满足卧姿病人的临床检测需要,且体积较大不方便携带,我们设计了新型舌象采集装置.该装置采用闪光灯作为仪器光源,构造了漫射照明条件,在较小的体积范围内产生高显色、均匀的照明环境.本文对新型采集装置进行了实验研究,并确定了各项采集参数.对于新型装置光学成像环境改变所引起的舌图像颜色数据变化,运用校准色板,采用离线彩色校正算法,实现了图像从新型舌象采集装置光学环境到标准环境的颜色转换,从而最终实现各舌象指标分析.实验结果证明了新型舌象分析仪的有效性.     

基于粗糙集和神经网络的数据融合方法研究

在粗糙集和数据融合基本理论的基础上,研究基于粗糙集理论和神经网络相结合的数据融合方法.由于粗糙集理论能够有效地简化知识,降低特征的维数,将粗糙集理论和神经网络结合起来,利用基于信道容量的知识相对约简算法对输入信息进行简化,剔除冗余信息,从而缩减了神经网络的规模,提高网络的收敛性和融合系统的识别率,达到提高整个融合系统效率的目的.将改进后的融合系统与传统的神经网络融合的效率进行比较,通过实例说明了该方法的有效性.     

红外/毫米波雷达双模制导跟踪融合算法的优化

双模制导是导弹武器系统实现精确打击的关键技术之一,对双模制导跟踪融合算法进行优化研究具有一定的理论价值和工程应用价值。根据红外/毫米波雷达双模制导跟踪融合算法的工程应用要求,从算法的实时性、鲁棒性、抗干扰性等要求出发,设计了跟踪融合算法优化方案：一是构造基于特征层的空情特征,并利用决策层提供的决策可信度因子,对跟踪融合算法进行了相应改进;二是根据模糊神经网络及双模传感器在飞行中的不同特征提供的决策信息,对跟踪融合算法进行了优化调用。进行了相应的仿真分析,证明了方案的可行性。     

基于粗糙集理论的中医方证相关性分析模型的研究

粗糙集(Rough Set,RS)理论是处理模糊和不精确问题的一种新型的数学工具,是主要应用于研究不完整数据、不确定知识的表达、学习及归纳的数学方法。他在医学领域的应用还处于萌芽状态。近年来,中医规范化和量化研究取得了明显的进展,在相当程度上说明了中医不但可以定性,而且可以定量。中医的术语规范化也为计算机在中医学中的应用提供了有利的条件。中医学是中国的传统医学,利用粗糙集理论和方法,建立一个可行的中医药方证相关性分析模型,该模型可以有效地处理中医药临床所积累的丰富经验知识,并得出中医药方证相关性的分析结论。     

粗糙集在数据融合系统灰色评估中的应用

为了对数据融合系统性能进行综合评估,建立了相对完备的分布式融合系统性能指标体系.提出了一种基于粗糙集的数据融合系统灰色评估模型,通过引入粗糙集理论,对指标进行约筒并确定权值,减少了主观因素的影响,提高了评估的公平性.通过算例证明了模型的可行性和可靠性,为数据融合系统的开发、论证和实际使用提供了科学的理论决策依据.     

多源遥感影像的集值特征选择与融合分类

提出了一种多源遥感影像集值特征选择(SVFS)与评价新方法.该方法根据训练样本在原始特征空间中的多维统计特性建立了关于其集值特征的目标信息系统,对于给定的集值特征间的二元关系,利用属性约简进行了特征选择并给出了相应的重要度评价算法.对多源遥感影像的融合分类实验表明,该方法是基于广义粗糙集的多源遥感影像特征选择与融合分类有效手段.     

数据融合技术在车牌字符识别中的应用研究

在车牌字符识别中,针对单一识别方法识别率不高的问题,提出了应用数据融合技术,将不同的识别方法有机地结合起来构成融合型识别系统,有效地、综合地提高整个系统的识别性能.数据层选择了加权平均算法,特征层选择了人工神经网络算法,决策层采用了模糊推理算法实现对车牌字符的最终识别.应用MATLAB进行了仿真,并与单独使用BP神经网络算法的识别率进行了比较,结果证明采用数据融合技术系统的识别率得到了较大提高,达到90%以上.     

一种基于粗糙集理论的支持向量机分类算法

粗糙集理论和支持向量机在数据挖掘方面具有较强的互补特性,基于粗糙集理论的上近似集、下近似集和边界域概念,结合支持向量机的分类原理,提出了一种支持向量机分类算法。首先,在支持向量机分类中定义样本分类的粗糙集规则,然后在边界域寻找两类样本中使判别式绝对值取值最小且分类正确的样本来确定最优分类面,脱离了对惩罚系数C的寻优问题,有效避免了过拟合问题,并通过循环迭代算法寻找合适的参数b,获得分类性能更优的支持向量机,最后通过对一个二维样本数据库进行分类实验,验证了此算法的有效性与可行性。     

一种基于SVM/RS的中文机构名称自动识别方法

该文提出一种支持向量机(Support Vector Machines,SVM)和粗糙集(Rough Set, RS)相结合的中文机构名称短语识别方法。该方法借助词的基本语义搭配关系表示短语的构成规则,并通过粗糙集属性约简的方法自动学习到机构名称构成规则的无冗余集。识别时,首先寻找到与这些规则匹配的词串作为候选机构名,然后结合候选机构名以及其上下文词的语义特征,利用SVM分类器判断该候选是否是真正的机构名称。这种方法对1617万字人民日报语料开放测试的F值分别达到82.06%。     

粗糙集理论中属性相对约简算法

粗糙集理论是近年来发展起来的一种有效地处理模糊和不确定性知识的数学工具,而求核与约简是粗糙集理论中的两个重要问题,现已证明求决策表所有约简和最小约简是一个典型的NP难题.本文在分析粗糙集理论的基础上,发现了正区域的一些有用性质,提出了一种利用正区域直接求核的方法,并利用正区域的启发式信息给出了两种相对约简算法.     

基于粗糙集的图像聚类分割方法研究

结合粗糙集理论和K2均值聚类算法,提出了一种图像分割方法。将原图像按等价关系进行划分,基于属性约简的概念对不同区域按照不可分辨关系分类。分割结果表明,文中方法是一种有效的图像分割方法,具有良好的鲁棒性。     

基于粗糙集和遗传算法的知识发现方法

粗糙集理论是一种处理不确定和不精确问题的新型数学工具,为数据挖掘提供了一条崭新的途径。提出了结合粗糙集理论和遗传算法的知识发现方法。首先通过粗糙集理论对数据进行预处理,在实现属性约简中采用了遗传算法,以提高搜索效率,然后进行规则提取。以农业病虫害诊断知识发现应用为实例说明了该方法的可行性。     

粗糙集理论及进展

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具。本文给出了粗糙集理论的特点，主要阐述了几种粗糙集理论的扩展模型，然后讨论了近来粗糙集理论与其他方法的结合，并进一步讨论了粗糙集理论研究的前景。     

The bi-elliptical deformable contour and its application to automated tongue segmentation in Chinese medicine

Automated tongue image segmentation, in Chinese medicine, is difficult due to two special factors: 1) there are many pathological details on the surface of the tongue, which have a large influence on edge extraction; 2) the shapes of the tongue bodies captured from various persons (with different diseases) are quite different, so they are impossible to describe properly using a predefined deformable template. To address these problems, in this paper, we propose an original technique that is based on a combination of a bi-elliptical deformable template (BEDT) and an active contour model, namely the bi-elliptical deformable contour (BEDC). The BEDT captures gross shape features by using the steepest decent method on its energy function in the parameter space. The BEDC is derived from the BEDT by substituting template forces for classical internal forces, and can deform to fit local details. Our algorithm features fully automatic interpretation of tongue images and a consistent combination of global and local controls via the template force. We apply the BEDC to a large set of clinical tongue images and present experimental results.     

An Incremental Rule Acquisition Algorithm Based on Rough Set

1　Introduction　Rough set theory introduced by Pawlak (1982)[1] is avalid mathematical theory developed in recent years, whichhas the ability to deal with imprecise, uncertain, and vagueinformation. It has been used successfully in such field asmedicine, pharmacology, market analysis, engineering,pattern recognition, data mining etc. Pawlak showed that theproblems of machine learning could be explained, analyzedand disposed within the framework of rough set theory[2]. Inhis paper[2], t…     

Multisensor fusion in the frame of evidence theory for landmines detection

In the frame of humanitarian antipersonnel mines detection, a multisensor fusion method using the Dempster-Shafer evidence theory is presented. The multisensor system consists of two sensors-a ground penetrating radar (GPR) and a metal detector (MD). For each sensor, a new features extraction method is presented. The method for the GPR is mainly based on wavelets and contours extraction. First simulations on a limited set of data show that an improvement in detection and false alarms rejection, for the GPR as a standalone sensor, could be obtained. The MD features extraction method is mainly based on contours extraction. All of these features are then fused with the GPR ones in some specific cases in order to determine a new feature. From these results, belief functions, as defined in the evidence theory, are then determined and combined thanks to the orthogonal sum. First results in terms of detection and false alarm rates are presented for a limited set of real data and a comparison is made between the two cases: with or without multisensor fusion.