复杂电子邮件网络的智能应用研究

复杂网络及网上智能是新兴的热点研究领域。以复杂电子邮件网络（Complex E-mailNetwork,CEN）为例,对在其上实现智能应用的一系列问题进行了探讨。包括：CEN的自动建立方法、CEN的分析方法、在CEN上实现智能应用的体系结构等。并通过分析具体的实例,阐述了在CEN上实现智能应用的过程及尚待解决的问题。     

可拓多过滤器融合方法

垃圾过滤问题备受研究人员的关注,已有方法通常都具有较低的误拒率,但同时误收率也较高.本文基于可拓学,提出了一种多过滤器融合方法.比较实验的结果表明,该方法的误拒率和误收率较其它方法都低.     

基于空间和属性数据的联合索引技术

传统联合查询通常需要空间数据库对2个索引进行检索,通过集合运算得到最终结果,运算效率较低。针对该缺陷,提出基于空间和属性数据的联合索引技术,在索引目录项中加入属性数据提高联合检索速度。实验结果表明,该技术对于属性与空间位置有较高相关度的数据,具有较高查询效率。     

基于Web的在线监控系统设计

为了实现加油站零售网络系统中的站级设备集成监控与管理,提出了一种基于Web的在线监控系统方案.该方案中的前庭控制器以RSIC CPU为核心,基于嵌入式系统的设计方法,设计了加油机与国际加油站前庭设备标准协议的相应转换模块和国际加油站前庭设备标准协议在TCP/IP上的应用.借助嵌入式Web服务器,实现了加油设备的在线配置与控制.仿真试验结果表明,该系统可方便对整个系统的管理,提高了设备利用率.     

基于混合最小二乘支持向量机网络模型的非线性系统辨识

针对基于输入输出数据的非线性系统辨识问题,提出一种新的混合最小二乘支持向量机(LS-SVMs)网络模型及相应的学习算法.该算法将系统的辨识问题动态自适应的划分为若干子问题,将支持向量机(SVM)用于各子模块辨识;通过分析模型的统计学特性,给出基于整体框架优化的系统参数辨识方法.针对系统中参数相关联的特性,采用期望条件最大化(ECM)算法对其进行条件辨识,同时结合正则化理论和最小二乘法,保证各专家模块的结构风险最小化辨识原则.试验结果表明,该方法兼具良好的辨识精度和泛化性能.     

基于多处理器的高速RapidIO

在典型的嵌入式系统中,系统内不同组件之间的通信速率成为制约嵌入式系统性能的瓶颈。针对传统共享总线遇到的困难,通过分析高速串行RapidIO(SRIO)接口协议及其应用,研究SRIO在多处理器系统互连中的应用及基于SRIO的加载技术。利用该协议实现的多DSP读写操作的速率达到每通道3.125 Gb/s,效率达到86%,DSP可通过SRIO实现加载。     

基于模糊控制的IPMSM调速系统研究

在分析IPMSM数学模型的基础上,提出了一种新型的IPMSM调速系统模糊控制方法;运用模糊逻辑分析和设计了控制器,建立了仿真模型,并针对不同运行情况对基于模糊控制的IPMSM调速系统进行了仿真分析。仿真结果验证了该模糊控制方法的有效性,实现了IPMSM调速系统的自适应控制,达到了高精度的控制要求。     

基于层次分析法的测试用例可复用性度量研究

对测试用例的可复用性度量进行研究,构建测试用例可复用性评估模型,通过分析转化得到易于度量的层次分析模型。通过层次分析模型构建权重比较矩阵,再进行相关属性的度量,并可进一步开展自动的测试用例可复用性度量。     

基于卷积受限玻尔兹曼机的医学图像分类新方法

利用数据挖掘方法对医学图像做分析是目前研究的热点之一,常用的挖掘方法首先需要从医学图像中提取特征,然后进行分类分析。目前,应用最多的是提取图像的统计特征,这种方法对所提取的特征有很强的依赖性。采用一种深度学习的新方法——卷积受限玻尔兹曼机模型,并且采用改进的快速持续对比散度算法对模型进行训练。该方法直接从乳腺X光图像中自主学习特征并利用学习到的特征对图像进行分类。实验结果显示,新方法对医学图像的分类精度相对于已有方法有明显的提升。     

基于改进Marching Cubes算法的乳腺MRI肿块三维重建

核磁共振成像MRI(Magnetic Resonance Imaging)是目前乳腺癌肿块诊断的常用辅助手段,对图像的正确解析是关键,针对传统MC(Marching Cubes)面绘制算法应用于乳腺MRI图像的不足,提出了改进方法。首先利用乳腺MRI序列图相邻帧间图像灰度分布的相似,肿块组织形状相近等相关性,在RSF(Region-Scalable Fitting)模型的基础上利用初始轮廓迭代的方法提取肿块区域。接着将多组参数下获得的结果,依据每一帧与其前后帧的重叠面积越大越好作为条件进行筛选,使提取的等值面最优化。最后采用基于加权二次误差度量的三角形折叠方法,对面绘制产生的大量三角网格进行了简化。将所提出的改进方法应用于30例乳腺MRI序列图,实验结果表明,对于乳腺MRI肿块的三维重建在精度和绘制速度上都比使用传统MC算法有很大提高。