基于形态特征提取的急性下壁心肌梗死BiLSTM网络辅助诊断算法

急性下壁心肌梗死是一种病发急、进展快、致死率高的心脏疾病,该文提出一种新颖的基于形态特征提取的BiLSTM神经网络分类的急性下壁心肌梗死辅助诊断算法,可大幅度提高医生对急性下壁心肌梗死疾病的诊断效率并有助于及时确诊.算法包括:对胸痛中心数据库心拍信号进行降噪及心拍分割;根据临床心内科医学诊断指南提取了12导联波形距离特...     

基于时空特征提取的智能网络切片算法

5G网络作为新一代的移动通信网络,提供了差异多样的各类业务服务,而通过网络切片可以将5G网络的资源虚拟化并更为有效地分配给各类服务.然而,当用户的服务需求发生变化时,需要及时地进行切片资源的重新分配和管理.为了准确适配业务需求的时空变化,提升切片性能,考虑采用深度强化学习的人工智能算法对切片资源进行实时管理,提出了基于...     

基于无线多媒体传感器网络特征提取的图像压缩算法

提出了一种兴趣提取图像压缩算法,将图片分为兴趣部分和非兴趣部分分别进行有损—无损压缩。同时结合分布式算法把图像的压缩和处理过程分散到多个传感器节点,这样提高了整个网络的生命周期也可以满足网络的传输效率,均衡了网络的耗能情况。     

基于形态中值小波的滚动轴承特征提取

为了提取隐含在噪声中的滚动轴承的故障信息,提出了一种基于数学形态学的形态中值小波分析方法。形态中值小波具有形态学的形态滤波特性与小波分解的多分辨率特性,且是基于信号形态特征的非线性分解。形态变换只有加减法和取极大、极小运算,计算简单。仿真和实验数据表明:该方法能有效的提取信号的故障特征,适用于轴承故障的在线监测和诊断。     

基于复杂网络的雷达辐射源信号脉内特征提取算法

针对现代电子战环境下雷达辐射源信号的高度密集、复杂调制、交叠概率大等特点,基于时域、频域、时频域以及其他数学变换域的信号分析方法仍然不能满足雷达辐射源信号分选识别的要求,结合雷达辐射源信号具有可分辨性的确定数据结构表示,受时间序列的复杂网络分析启发,提出一种基于复杂网络的雷达辐射源信号脉内特征提取算法。该特征提取算法首先采用相空间重构方法对信号频谱序列数据进行预处理,将重构后的信号序列转换至复杂网络域进行表征;其次,通过复杂网络建模及其统计特征分析,研究雷达脉内信号时间序列动力学微观特性,从而挖掘信号的有效特征参数;最后,在不同噪声环境下,实现雷达辐射源信号序列的特征参数的分类性能及其准确性分析。仿真结果表明,所提取的特征参数在低信噪比环境下具有良好的抗噪能力和不错的聚类质量,验证了基于复杂网络时间序列分析的信号特征提取方法的可行性,为进一步丰富刻画雷达辐射源信号提供了有效的技术支持和手段。     

基于UDP的特征提取算法研究

局部保持投影(LPP)算法在特征提取时仅考虑了对数据的局部信息的保持,鉴于此,本文提出无监督判别投影(UDP)算法。UDP算法通过定义局部和非局部散布度,建立一个类似Fisher的判别准则,最大化非局部散布度与局部散布度的比,选择出判别性最强的投影方向对目标数据信息进行特征提取,进而完成对目标的分类识别。实验结果证实了UDP算法的可行性。     

基于DEM的地形特征提取算法

从数字化地形中自动提取地形特征是地形分析的一种重要方法。针对大规模复杂地形的特点,提出了一种有效的基于规则网格的地形主山脊线特征提取算法。该算法首先进行了洼地填平与快速有效的地形平滑处理,然后提取地形的山脊线并进行细化,最后根据地形遮挡剔除的需要,进行主山脊线的提取,其结果在对地形的遮挡剔除的应用中取得了比较满意的结果。     

基于BLOB的积木特征提取算法

介绍了搭积木机器人机器视觉系统的特征提取算法。该算法首先将获得的积木图像在OHTA颜色空间下进行阈值分割；在分割后的二值化图像中进行BLOB分析；最后根据积木自身的特点进行了噪声去除和特征提取。试验证明该算法能够有效地提取出同一图像中多个积木的特征，提取的坐标精度能够满足机器人的操作要求。     

基于均值辅助的LSTM网络频谱感知算法

针对传统感知算法在低信噪比时检测性能低和深度学习感知算法网络训练量大、复杂度高等问题,本文提出一种在均值辅助下的长短时记忆网络（Long Short-Term Memory,LSTM）频谱感知算法。具体来讲,首先对接收信号序列做多点均值计算,然后利用所得的均值构造特征向量并作为LSTM网络的输入来训练网络,最后利用训练好的网络对新的接收序列进行感知。仿真结果表明:相比于传统算法,所提算法在检测性能上有较大提升;相对于利用原始接收序列直接训练的深度学习算法,所提算法的复杂度大幅下降。      

Myocardial Infarction Detection and Localization with Electrocardiogram Based on Convolutional Neural Network

Electrocardiogram (ECG) is widely used in Myocardial infarction (MI) diagnosis.The automatic diagnosis of MI based on the 12-lead ECG needs to consider not only...     

红外图像中基于多特征提取的跌倒检测算法研究

研究表明跌倒是我国老年人伤害的主要原因,而且超过一半的跌倒发生在家中.如果我们能及时发现老人跌倒并进行有效处理,就会降低跌倒对老人的伤害.因此为了检测老年人室内跌倒行为,本文从低分辨率的红外图像中,提取出4种对跌倒敏感的特征,同时使用K近邻算法进行分类来判断是否发生跌倒.另外,本文还设计了一套基于该算法的老年人跌倒检测系统,它具有保护隐私、准确度高、安装方便的优点.最后通过实验测试表明该跌倒检测算法的准确率高达91.25%.     

旧电影胶片划痕检测算法研究——一种基于空域亮度模型与形态学特征的方法

为了检测旧电影胶片中的垂直划痕损伤,提出了一种旧电影胶片划痕检测算法.此算法不同于以前利用划痕单一特征进行检测的方法,而是同时结合利用了划痕的空域亮度特征和形态学特征,从而能更为准确地得到划痕的位置信息.此方法首先利用划痕的空域亮度模型定位垂直划痕在水平方向上的位置,然后再利用划痕的形态学特征将第一步结果细化,获取这些...     

基于多尺度加权特征融合网络的地铁行人目标检测算法

随着地铁乘客的大量增加,实时准确地监测地铁站内客流量对于保证乘客安全具有重要意义.针对地铁场景复杂、行人目标小等特点,该文提出了多尺度加权特征融合(MWF)网络,实现地铁客流量的精准实时监测.在数据预处理阶段,该文提出过采样目标增强算法,对小目标占比不足的图片进行拼接处理,增加小目标在训练时的迭代频率.其次,在单镜头多...     

基于多尺度加权特征融合网络的地铁行人目标检测算法

随着地铁乘客的大量增加,实时准确地监测地铁站内客流量对于保证乘客安全具有重要意义.针对地铁场景复杂、行人目标小等特点,该文提出了多尺度加权特征融合(MWF)网络,实现地铁客流量的精准实时监测.在数据预处理阶段,该文提出过采样目标增强算法,对小目标占比不足的图片进行拼接处理,增加小目标在训练时的迭代频率.其次,在单镜头多核检测器(SSD)网络基础上添加了基于VGG16网络的特征提取层,将不同尺度的特征层以不同方式进行加权融合,并选出最优的特征融合方式.最终,结合小目标过采样增强算法,得到多尺度加权特征融合模型.实验证明,该方法与SSD网络相比,在保证实时性的同时,检测精度提升了5.82％.     

An Arrhythmia Detection Algorithm Based on Feature Extraction and Multiple Template Matching

基于特征提取和多模板匹配的心律失常检测算法通过样本数据库创建模板库,对模板库进行特征提取以创建特征库,同时建立索引与模板库关联,然后使用特征库中的模板与待检测心电信号进行粗匹配运算,当粗匹配的相关系数大于预设阀值后,再利用索引加载相关模板进行细匹配运算。使用MIT-BIH数据库的数据验证基于特征提取和多模板匹配的心律失常检测算法的效果理想。     

稀疏特征重用的人脸特征提取网络

为了提高人脸特征提取网络的性能,进而提高人脸识别算法的准确率,本文对基于卷积神经网络的人脸特征提取网络进行研究,提出了 SFRNet(Sparse Feature Reuse Network).首先,基于稀疏特征重用、混合特征融合、中心-高斯池化三个创新点,给出了 SFRNet的网络结构.然后,在图像分类数据集Imag...     

基于LARK特征提取的人脸检测方法

通过研究LARK特征提取方法,发现该方法可以对人脸图像的脸部信息进行有效的收集,并应用到人脸检测中。在检测时,先将检测的图像转换为灰度图像再进行检测,这样既可以完整地表示人脸的各部分特征,同时更易于处理,还可以减少计算量。