多模态融合的特征提取方法在SA检测中的应用

为解决睡眠呼吸暂停(Sleep Apnea,SA)检测中使用传统的机器学习方法需花大量工作在特征工程上导致效率低下,以及模型多以单通道信号进行特征提取存在识别效果不佳的问题,提出一种基于时序卷积网络(Temporal Convolutional Network,TCN)和堆叠稀疏降噪自编码器(Stacked Sparse Denoismg Auto-Encoder,SSDAEs)的多模态特征融合模型来实现特征自动提取。该模型以心电和呼吸2种信号作为输入,首先利用TCN网络提取输入信号的时序特征,然后通过SSDAEs提取信号的浅层与深层的高维特征,对于不同特征空间的心电信号特征和呼吸信号特征采用一个小型神经网络进行特征融合,将该模型与随机森林算法结合,用于解决SA片段检测问题。实验结果表明,该方法在SA片段检测的准确率、灵敏度、特异性分别是91.5%、88.9%、90.8%。通过与以往相关研究对比,验证了该模型的SA检测性能更好,效率更高。     

多级水脊线算法在二维医学超声图像中的应用

以肝囊肿超声图像为例,介绍一种新的医学超声图像的分割方法：多级水脊线分割算法在医学二维超声图像分割中的应用。由于斑点噪声和超声衰减产生的假象,二维和三维超声成像中的图像分割问题一直是公认的一大难点。本文采用由若干数学形态学辅助的水脊线方法提取超声图像中的肝囊肿边缘,取得了相当令人满意的结果,这为进一步的图像处理和化疗等治疗手段奠定了必要的基础。该方法自动选择并分割图像中的主要目标对象,从而克服了传统水脊线算法中常见的过分割和改进水脊线算法中半自动的缺陷。     

基于排序损失的ECC多标签代码异味检测方法

代码异味是由糟糕的代码或设计问题引起的一种软件特征,严重影响了软件系统的可靠性和可维护性.在软件系统中,一段代码元素可能同时受到多种代码异味的影响,使得软件质量明显下降.多标签分类适用该情况,将高共现的多个代码异味置于同一标签组,可以更好地考虑代码异味的相关性,但现有的多标签代码异味检测方法未考虑同一段代码元素中多种代码异味检测顺序的影响.对此,提出了一种基于排序损失的集成分类器链(ensemble of classifier chains, ECC)多标签代码异味检测方法,该方法选择随机森林作为基础分类器并采取多次迭代ECC的方式,以排序损失最小化为目标,选择一个较优的标签序列集,优化代码异味检测顺序问题,模拟其生成机理,检测一段代码元素是否同时存在长方法-长参数列表、复杂类-消息链或消息链-过大类这3组代码异味.实验采用9个评价指标,结果表明所提出的检测方法优于现有的多标签代码异味检测方法,F1平均值达97.16%.     

一种改进的桥梁图像分水岭分割算法

针对传统分水岭分割方法存在的过分割问题,提出了一种改进的桥梁图像分水岭分割算法。该算法首先对桥梁裂缝图像进行高低帽形态学滤波,并运用多尺度梯度算子提取梯度图像,在分水岭变换之前使用自适应的标记提取方法对区域极小值进行标定,然后对初步分水岭分割的过分割区域使用改进fisher距离的区域合并算法进行合并,取散度作为停止度量。实验表明,该算法减少了分水岭算法的过分割现象,提高了桥梁图像分割的精确性,具有很好的鲁棒性和适应性。     

退耕还林对志丹水文站水沙量影响浅析

通过对志丹水文站径流量、输沙量的分析,探讨了退耕还林对志丹水文站水沙量的影响,并对志丹县退耕还林的可持续性等方面提出建立生态补偿机制等,同时得到了沙量、水量变化规律。     

基于深度学习的miRNA与疾病相关性预测算法

大量研究表明,microRNA（miRNA）在人类复杂疾病研究中发挥着重要作用.识别miRNA与疾病之间的关系对于提高复杂疾病的治疗水平具有重要意义.然而,传统实验方式常受限于小规模和高成本,因此迫切需要计算模拟的方式快速有效地预测miRNA-疾病间的潜在关系.本文通过结合深度学习的堆叠自动编码器算法与旋转森林分类器对miRNA-疾病间关系进行预测.该方法能够有效抽取出融合了疾病语义相似性、miRNA功能相似性和miRNA序列信息的高级特征并对其进行准确分类.在交叉验证实验中,该方法在HMDD v3.0数据集上取得90.30%的预测准确率.此外,我们还在人类复杂疾病乳腺肿瘤上做了案例研究.结果,模型预测得分最高的前30个疾病关联miRNA中28个得到了证实.这些优异的结果表明,该算法是一种有效预测miRNA-疾病关系的工具,能够为生物实验提供高可靠的疾病关联miRNA候选物.     

基于随机森林和高阶累积量的频谱感知研究

频谱感知技术是认知无线电系统实现高效安全运作的关键技术之一,面对软件无线电多元发展需求,频谱感知技术需要获取更多的空间电磁情况.文中提出了一种基于高阶累积量和随机森林算法的频谱感知方法,通过提取接收信号高阶累积量特征,减少信号传播过程中的多径干扰和噪声干扰,离线训练分类信号,得到可以高效感知接收信号调制类型的随机森林模...     

基于分水岭算法的电感激光热成像图像分割

激光热成像是一种检测电感微裂纹的新方法,但批量自动检测时电感彼此靠近易导致定位错误和误检.根据激光扫描和热成像检测过程分析图像特征,提出求取温度梯度图并利用次大值滤波消除其激励非均匀性,采用形态学操作断开样品粘连处并去除干扰噪声点;通过距离变换结合分水岭算法得到电感图像分割结果.实验结果表明:该方法实现了对批量铁氧体电...     

基于WCDMA和太阳能的森林火灾监测系统设计

设计了一种基于WCDMA网络和太阳能技术的森林火灾监测系统设计,实现对森林的远程实时监测、实时数据存储、历史数据查看、超标报警等功能.介绍了系统框架,硬件设计方案和软件设计方案,对关键硬件组成部分和软件设计流程做了阐述,结合模拟仿真的实时数据和图像对终端测试情况进行了说明.     

基于随机森林的雷达信号脉内调制识别

针对雷达信号脉内调制识别算法存在着准确率低的问题,提出一种新的雷达脉内调制类型自动识别方法,该方法首先提取雷达信号时频图像的形状特征和纹理特征构成融合特征,然后将融合特征输入随机森林分类器,实现信号的分类识别.仿真实验中对8种常见的不同调制类型的雷达信号进行识别,提出的算法在信噪比为-2 dB时识别准确率可以达到90％以上,验证了该方法的有效性.