Effective segmentation and classification for HCC biopsy images

Accurate grading for hepatocellular carcinoma (HCC) biopsy images is important to prognosis and treatment planning. In this paper, we propose an automatic system for grading HCC biopsy images. In preprocessing, we use a dual morphological grayscale reconstruction method to remove noise and accentuate nuclear shapes. A marker-controlled watershed transform is applied to obtain the initial contours of nuclei and a snake model is used to segment the shapes of nuclei smoothly and precisely. Fourteen features are then extracted based on six types of characteristics for HCC classification. Finally, we propose a SVM-based decision-graph classifier to classify HCC biopsy images. Experimental results show that 94.54% of classification accuracy can be achieved by using our SVM-based decision-graph classifier while 90.07% and 92.88% of classification accuracy can be achieved by using k-NN and SVM classifiers, respectively.     

LEO卫星IP网中的低延时切换

提出了一种由覆盖全球的无星际链路的低轨(LEO)星座构成卫星IP网,首次提出了一种按信关站来划分网络的策略,并着重讨论了卫星IP网中的星间切换技术,提出用邻站广播技术来实现低延时切换的策略。仿真结果表明,本文提出的策略能大大减少信令交换量和降低切换延时,有效保障了卫星网中实时多媒体业务的QoS。     

一种改进的支持向量机模式分类方法

支持向量机(Support Vector Machine,SVM)是在统计学习理论基础上发展起来的一种新的机器学习方法,已成为目前研究的热点,并在模式识别领域有了广泛的应用.首先分析了支持向量机原理,随后引入一种改进的径向基核函数,在此基础上,提出了一种改进核函数的SVM模式分类方法.与基于IRIS数据,进行了计算机仿真实验,与基干模糊k-近邻的模式分类仿真结果比较,结果表明改进的SVM方法分类性能比模糊k-近邻算法(Fuzzy k-Nearest Neighbor,FKNN)的分类性能更好,运算时间更短,更易于实时实现.     

无线通信系统异构网络的自动邻区关联方法

主要提出一种宏小区与毫微微小区混合组网的异构无线通信网络,从而设计了一种用于异构无线通信网络中的基站间自动邻区关联的方法,并阐述了具体实施步骤。该方法支持异构网络中的基站自组织功能,基站能够在自动邻区关联的过程中正确地获得邻区基站的ID,从而成功构造邻区关系且无需人工配置,克服了已有方法存在的缺陷。同时,该方法无需修改空口信令,也不会增加空口信令开销。     

基于SURF的特征点快速匹配算法

为了解决光电图像匹配过程中特征点错配率较高的问题,本文提出了一种基于SURF特征点的匹配方法。该算法首先利用最近邻欧氏距离比率法对提取的SURF特征做粗匹配,然后获取特征点对应尺度的邻域灰度统计信息,进而利用Pearson相关系数比得到鲁棒性较强的匹配对。实验表明该方法能够有效提高匹配的准确率,且满足实时性要求。     

基于残差密集连接与注意力融合的人群计数算法

现有人群计数算法采用多列融合结构来解决单一图像的多尺度问题,但该处理方法不能有效利用低层特征信息,从而导致最终人群计数结果不准确。针对这一缺陷,文中提出一种基于残差密集连接与注意力融合的人群计数算法。该算法的前端利用改进VGG16网络提取低级特征信息。算法后端主分支基于残差密集连接结构,利用残差网络和密集网络结合方式捕获层与层间的特征信息,可高效捕获多尺度信息。侧分支通过引入注意力机制,生成对应尺度注意力图,有效区分特征图的背景和前景,降低了背景噪声的影响。采用3个主流公开数据集对该算法进行验证。实验结果表明,该算法计数有效且计数准确率优于其他算法。     

融合邻域回归和稀疏表示的图像超分辨率重构

对于图像超分辨率重建而言,通常会将图像的整体信息作为研究对象.然而图像本身含有的大量结构信息并没有得到充分利用.为了提高超分辨率重建的效果,实现对不同特征信息的利用,提出了一种融合邻域回归和稀疏表示的图像超分辨率重构算法.依据图像所具有的低秩性对高分辨率图像进行分解,获得高分辨率图像的低秩部分和稀疏部分;将对应的低分辨...     

基于主元分析与支持向量机的方法及其在过程监控诊断中的应用

基于支持向量机（SVM）在处理小样本、高维数及泛化性能强等方面的优势，提出了基于主元分析和支持向量机（PCA—SVM）对过程进行监控的方法。文中先利用主元分析方法进行特征数据提取，得到降维的主元特征向量，去除了高维样本变量相关性。然后分析各状态T^2统计、SPE统计量的变化趋势，对实际生产状况进行监控，最后利用SVM与最近邻法相结合的策略对特征向量进行分类识别。试验结果证实了提出算法的有效性。     

一种基于Tracker端偏向邻居选择的距离感知BitTorrent系统

To address cross-ISP traffic problem caused by BitTorrent, we present our design and evaluation of a proximity-aware BitTorrent system. In our approach, clients generate global proximityaware information by using landmark clustering; the tracker uses this proximity to maintain all peers in an orderly way and hands back a biased subset consisting of the peers who are physically closest to the requestor. Our approach requires no co-operation between P2P users and their Internet infra structures, such as ISPs or CDNs, no constantly path monitoring or probing their neighbors. The simulation results show that our approach can not only reduce unnecessary cross- ISP traffic, but also allow downloadsing fast.     

基于部分失真搜索的自组织映射学习算法

针对传统的自组织映射网络在大数据量或高维情形下训练过程较慢的问题,提出了分别使用部分失真搜索和扩展的部分失真搜索来完成传统算法中最耗时的最近邻搜索过程,减少了完成训练所需乘法次数。实验表明,相对于传统的自组织映射学习算法,所提两种方法分别可以节约近1/3和1/2以上的计算量。