医学图像配准的优化算法改进研究

在医学图像配准优化算法中通常采用Powell法,由于基本Powell法随迭代次数的增加,搜索方向容易趋于线性相关,为此提出了一种改进的Powell法,该算法随着迭代的增加,搜索方向的共轭程度逐渐增强可避免线性相关.将边缘检测与最大互信息相结合,提高原有算法的性能,较准确地完成图像配准任务.对提出的配准算法进行了Matlab仿真实验并对仿真结果做了分析.     

基于Copula熵的互信息估计方法

互信息是一种常用的衡量变量相关性的方法,但在互信息估计过程中,联合概率密度的估计往往十分困难.为了避免联合概率密度的估计,同时有效提高互信息估计的准确度与效率,本文提出一种基于Copula熵的互信息估计方法.利用Copula熵与互信息之间的关系,将互信息的估计转化为对Copula熵值的估计.采用基于Kendall秩相关系数的参数估计方法对Copula函数的参数进行估计.所提算法分别与直方图法、核方法、κ近邻法和极大似然法进行比较.二维高斯数据上的仿真结果表明,所提方法能够快速准确地对互信息值进行估计.     

小波图像融合的最佳参数研究

为了选择一种在复杂条件下能取得较好效果的小波图像融合方法,文中对一些小波基和小波分解层数进行了比较.使用了基于区域的图像融合规则,同时通过量度融合图像的熵和标准差,进行多传感器图像融合效果的评价,通过对四类图像的融合实验,筛选出最佳的小波基和其分解层数.实验表明bior3.9是图像融合时的最佳小波基.     

基于文本语义的热点事件网络暴力分析方法

网络暴力识别与多维度分析对网络舆情态势感知和管控具有十分重要的意义,当前的网络暴力研究主要集中在用户负面情感分析、舆情危机治理及外部网络生态优化等方面,缺乏对网络暴力的定量分析研究,无法在复杂的网络环境中及时感知网络暴力发展态势和组成结构。通过分析网络暴力在文本中的存在形式和结构特征,提出了一种基于文本语义的网络暴力分析方法(text semantic based approach for cyber violence analysis, TSCA)。该方法首先运用互信息理论创建暴力领域情感词典,根据暴力领域情感词典和语义环境从评论语料库中生成负面情感词组集;然后,通过卡方检验对负面情感词组集进行暴力特征筛选,生词暴力词组集;最后,从文本和用户角度对网络暴力进行定量计算和多维度分析。在真实的网络热点事件评论文本数据集上与其他方法进行了对比,实验结果表明：该方法达到了良好的网络暴力特征识别效果。     

神经网络和贝叶斯网络在汉语词义消歧上的对比研究

神经网络和贝叶斯网络是两种经典的机器学习方法。本文通过实验考察了这两种网络模型在汉语词义消歧上的应用效果。实验对象是通过特定规则构造的6个伪词。使用伪词可以避免有指导的词义消歧方法中的数据稀疏问题,充分验证词义分类器的实验效果。贝叶斯网络用于词义分类简单高效,模型容易构造,而神经网络的结构则相对复杂,用于词义消歧需要先解决输入问题。实验中采用词间互信息成功构造了神经网络的输入模型,实验效果较为理想。实验数据表明贝叶斯网络比神经网络更适合解决汉语词义消歧问题。但贝叶斯网络的抗噪声能力却明显逊色于神经网络。     

基于红蓝通道先验主动光源偏振水下图像复原算法

针对光在水中传播距离短、损耗大造成图像信息损失严重、对比度低、色彩畸变问题,提出一种基于红蓝通道先验的主动光源偏振水下图像复原算法(ALPUIR-RBCP),首先,研究光线在水体传播时的偏振特性,建立水下光学偏振模型;在此基础上,研究不同通道光信息差异性的先验知识和偏振度之间的映射关系,构建多通道光学偏振成像模型;进一步,结合后向散射光偏振度的光敏感性以及光分量间相关性,计算光照分布图和互信息,实现自适应偏振度估计,提高偏振度计算精度,增大目标信息光比重,从而提高图像复原质量;实验结果表明,对比传统的偏振光算法以及传统图像增强和复原算法,本算法不仅在主观上具有良好的水下图像复原效果,同时在各项评价指标中均有提高。     

密码学函数输入输出互信息收敛速度分析

针对密码学函数迭代模型，给出其输入输出互信息收敛速度在一定条件下的一个上界。     

500kV电力变压器偏磁振动分析

结合2座500 kV变电站内变压器的振动测试数据进行大型电力变压器直流偏磁振动机制的分析及特征的提取。首先,从变压器振动的基本原理及偏磁原理出发,分析了直流偏磁情况下变压器振动的振动机制,得到了以1个信号工频周期的2个半周期波形及能量差异较大为主要特征并包括50 Hz基频分量增加和信号复杂度增加等特征在内的偏磁振动信号的3个特征。然后,提出相应的信号特征提取方法用于获取偏磁振动的特征。最后,对结合地磁水平分量以及中性点电流直流分量筛选得到的地磁感应电流与直流输电单极运行导致的变压器偏磁振动信号进行频谱与特征提取分析。分析结果验证了提出的直流偏磁特征以及相应的特征提取方法的有效性。     

基于双密度双树小波变换的电能质量扰动识别方法

针对电能质量扰动的识别问题,提出一种基于双密度双树小波变换(DD-DT DWT)小波熵和支持向量机的扰动信号识别方法。该方法首先对电能信号进行DD-DT DWT变换,然后分别提取其小波能量熵和小波系数Shannon熵以描述不同扰动信号的特征,最后采用二元树结构支持向量机分别对提取的两类小波熵特征向量进行分类。仿真实验表明:所提出的基于DD-DT DWT小波熵的特征提取方法能有效识别常见的8种扰动信号,并具有正确识别率高及噪声鲁棒性强的优点。     

基于信息熵的多谐波源定位研究

针对复杂配电网中缺少有效划分非线性负荷谐波污染责任和不能准确确定主谐波源位置的状况,提出了一种基于信息熵的多谐波源定位方法。通过支持向量机进行谐波分离,获得测量量的各次谐波数据。接着利用B样条法对测量数据进行概率密度估计,从而计算出母线电压与各支路电流的互信息值,根据互信息值的大小来确定主谐波源位置。通过对典型配电系统在ATP(选择性暂态程序)软件中仿真分析,所提方法具有定位准确、能够进行实际谐波责任区分的优点。