基于BP神经网络的睡眠呼吸综合症智能检测系统

提出了应用BP网络对睡眠呼吸暂停病症进行检测的技术方法。考虑到临床检测采集具有数据量大,伴有噪音干扰等特点,采用BP网络,其并行性、客错性较好,具有较强的自适应性及通过实例学习的能力,有助于克服单个诊断医师在知识获取方面存在的“瓶颈”问题。开发出来的睡眠呼吸综合症智能检测系统可以选择采集好的病人样本数据进行自学习,建立病人的特征模型,自动进行数据分析和异常情况的识别与分类,对病人的患病率进行预测。通过实验测试,该系统预测的准确率在88．5％左右,高于单纯的人工诊断,并显著提高了诊断效率。     

一种基于目标区域的图像检索方法

为了弥补颜色直方图等全局特征在描述彩色图像空间信息上的不足,该文提出了一种基于目标区域的彩色图像检索方法。该方法首先利用一种基于颜色视觉一致性的图像分割方法提取出有意义的目标区域,然后分别对各个区域提取HSV彩色直方图和Hu不变矩作为目标区域的特征描述,最后提出了一种相应的计算相似度的方法,实现了图像之间的相似度度量。通过在中科院计算所的Mires图像数据库和ViViLab测试图像库上进行实验,该文提出的方法对于目标明确、背景不太复杂的图像可以达到较好的检索效果。     

正颌截骨术中的凸柱体网格切割算法研究

计算机辅助虚拟手术技术对正颌外科手术方案的制定、手术效果的预测分析发挥着重要作用。然而,现有的计算机辅助正颌截骨术只能实现少量简单的截骨操作,不能满足虚拟截骨术多样性的需要。在平面切割地基础上,提出了一种基于凸柱体网格切割算法。该算法用凸柱体模拟虚拟手术刀对三维网格模型进行切割,根据截骨术的切口类型构造柱体,用此柱体进行切割实现骨块的分离。实验结果表明,该算法能有效地实现多种复杂虚拟截骨术,为手术方案的制订提供了辅助指导作用。     

一种有效的大规模数据的分类方法

本文提出了一种基于自组织特征映射神经网络(SOM)和支撑矢量机(SVM)相结合的复杂模式的大规模数据的分类方法.该方法首先利用自组织特征映射神经网络对待识目标进行聚类,然后应用支撑矢量机方法对其进行分类识别.通过对复杂异或(XOR)分类问题,以及实际的Iris和Appendicitis数据分类问题等的分类实验,且与仅用支撑矢量机的分类方法比较,结果表明,本文提出的方法对复杂模式的大规模数据的分类识别问题具有较好的效果,且训练时间大幅度减小.     

基于提升框架的实时视频降噪方法

针对基于离散小波变换的视频降噪方法难于实时处理的问题,提出了一种基于提升框架的可实时处理的视频降噪方法。首先,对每帧图像利用提升框架进行多级小波分解,得到尺度系数和小波系数;然后,对不同层次的小波系数采用软阈值收缩方法进行滤波;小波逆变换后,利用时间域滤波方法进一步提高降噪效果。实验结果表明,该方法具有较好的实时性和去噪效果。     

基于矢量量化和深度优先搜索的轨迹分布模式学习算法

在对轨迹流矢量进行量化编码的基础上,提出了一种基于深度优先搜索的轨迹分布模式提取算法,生成了能够描述轨迹分布的序列模式图,并给出了与之相应的异常检测和行为预测方法。对不同场景的可见光和红外序列图像的实验表明,本文方法不仅能够学习轨迹中流矢量的分布,而且能够反映它们之间的时序关系,可以应用于室外复杂场景的目标异常行为检测。     

基于MMSE-LSA语音增强算法在非平稳环境下的研究与实现

讨论了非平稳环境下基于语音短时对数谱的最小均方误差(MMSE-LSA)估计的语音增强算法.众所周知,语音信号为时变信号,在假设语音频谱分布为高斯分布的前提下,实验的工作重点是将MMSE-LSA算法与其它语音增强算法(以谱相减的语音增强为例)比较.实验结果表明:该MMSE-LSA算法的语音增强效果很好,特别是在信噪比低时的非平稳环境下效果更为明显.     

适用于复杂三维网格模型的盲水印算法

提出一种基于奇异值分解的网格模型盲水印算法,只对网格顶点的几何数据进行处理,适用于任意拓扑结构的网格模型。奇异值分解在与网格模型几何数据局部统计特征相似的球面坐标映射方阵中进行,水印序列嵌入到方阵生成的奇异值序列中。实验结果表明,算法可抵抗平移、旋转、各向一致缩放攻击及顶点重排序攻击,对噪声攻击也具有一定的鲁棒性。     

三维网格模型零水印技术

为解决网格模型水印算法中水印鲁棒性与透明性之间的矛盾,提出了一种适用于任意拓扑连通结构的网格模型零水印算法。水印由网格的几何数据经过空域特征提取及变换域能量集中后生成。实验结果表明:算法构造的水印不仅能抵抗顶点重排序、平移、旋转、各向一致缩放等攻击,而且对加噪、网格简化攻击也表现出较好的鲁棒性。     

住宅热水系统的选择和设计

介绍和归纳了住宅热水系统中各类热水供应方式、热水热源及其各自的优缺点.