分割虚拟人切片数据的SVM多类分割方法*

针对虚拟人切片数据量大、解剖结构复杂等特点,对分割虚拟人切片图像的基于二叉树SVM多类分割方法进行研究.基于二叉树的SVM多类分割方法较其他SVM多分类方法更符合人们分割虚拟人切片图像的习惯,而且能获得较高的分割性能和质量.通过对该方法的性能分析,为组织高效的二叉树SVM多类分割方法提供了理论支持.     

基于稀疏强特征提取的三维地震数据完备方法

随着复杂储层地震资料特征筛选的机器学习技术的进步,如何有效地对参与地震属性优选和储层反演的地震样本进行采集和分析,成为目前智能地震预测领域的一个研究热点。目前的方法多着重于模型分类算法的改进,在标签的制作和采集方面不仅耗费大量时间进行人工标注,还存在标签不平衡情况下类内可靠性、类间平衡性不强等问题。为此,提出基于稀疏强特征提取的三维地震数据完备方法。首先,基于多数决原则的样本分割(Sample Segmentation Based on Majority Rule, SSMR)寻迹多尺度、多标签三维地震样本,进行采集、自动标注;然后,改进标签洗牌平衡方法(Improved Label Shuffling Balance Method, ILSB),通过“2+1”的样本增广平衡策略进行数据完备处理,改善样本采样不平衡性导致的模型训练偏向性;最后,利用基于最小L₁范数稀疏表示对奇异值分解结果进行强特征提取(Minimum L₁-norm Based Sparse Representation for Feature Extraction, L     

基于改进的K-means聚类图像分割算法

介绍一种采用K—L变换、二维向量小波和改进的K—means结合的图像分割算法。阐述和分析了二维向量小波变换和Laws纹理能量测度，得出图像每个像素点可用9个纹理特性来描述的结论。运用K—means算法的思想对其进行改进，最后得出分割后的图像。试验结果证明，运用以上处理方法可显著提高分割速度和精度。     

一种基于节点密度分割和标签传播的Web页面挖掘方法

获取Web页面中的重要内容如文本和链接,在许多Web挖掘研究领域有着重要的应用价值.目前针对该问题主要采用Web页面分割和区块识别的方法.但现有的方法将Web页面中重要文本和链接的识别视为两个相互独立的问题,这种做法忽略了Web页面中文本和链接的内在语义关系,同时降低了页面处理的效率.文中提出了一种Web页面重要内容挖掘的统一框架,该框架主要由3个部分组成:第一,先将Web页面转换为DOM树表示,然后采用节点密度熵为度量将DOM树分割为不同的页面块;第二,采用基于K最近邻标签传播的半监督方法自动扩展页面块训练集;第三,在扩展的页面块训练集上对SVM分类器进行训练,并用来对页面块进行分类.采用该框架可以将Web页面块区分为多种类型,并且该框架独立于Web页面的类型和布局.我们在真实的Web环境下进行了广泛的实验,实验结果表明了该方法的有效性.     

基于聚类和局部区域的彩色图像分割方法

针对现有图像多阈值分割方法存在的分割不够准确、计算复杂度较高等问题,利用Otsu多阈值分割的思想,提出一种基于聚类和局部区域的彩色图像多阈值分割方法.获取彩色图像的H分量直方图;在综合考虑以H分量划分的颜色范围的前提下对直方图中的H分量进行聚类,依次选取各类中的最大值作为对应局部区域的边界;分别搜索局部区域内的最小H分量值,将其作为彩色图像的分割阈值.实验结果表明,与现有方法相比,该方法具有较高的分割准确性和更快的计算速度.     

制造物联网中高吞吐率复杂事件检测技术研究

复杂事件处理能非常有效地检测到事件流中有价值的模式,高吞吐率意味着单位时间内获取更多有价值的信息.为复杂事件处理提出一种提高吞吐率的查询技术,通过聚集活动实例栈中的连接,并批量执行序列构造,减少了相同连接的遍历,降低了序列构造处理的运行频率,从而提高了复杂事件处理的吞吐率.仿真实验表明:提出的方案相比于SASE提出的传统方案,吞吐率有数倍的提升.     

基于分层选择策略的主动学习分词方法

为了克服训练样本不足、获取大量标注样本费时费力的问题,在基于不确定选择策略的基础上,提出了一种新的基于分层选择策略的主动学习方法。使用新提出的选择策略从大量无标注的样本中选择最有价值的样例,进行标注后加入到训练集中来训练分词器。最后在 PKU、MSR 和山西大学数据集上进行测试,并与不确定选择策略进行比较。结果表明提出的分层选择策略在相同大小的训练语料下可以获得更高的分词准确率,同时还降低了人工标注的代价。     

基于直方图梯度计算的 T2加权脑部 MR 图像自动分割

针对脑部核磁共振图像分割问题,提出了一种直方图梯度计算方法。首先,对 MR 图像的直方图进行平滑处理,从而去除三个体素中出现的最低灰度级;然后,在预处理后的直方图上计算梯度;最后,计算对象数和其所在位置的梯度,并对图像进行自动分割。基于直方图处理进行梯度计算,大大降低了计算复杂度。在 T2加权脑部 MR 图像上的实验结果表明,该方法可以有效地从二维和三维图像中提取出主要脑部区域,并在临床环境中获得的人类脑部 MR 图像上成功实施,分割效果优于其他几种现有分割算法。     

彩色图像分割的FCM初始化方法

针对传统模糊C-均值聚类方法所存在的过度依赖初始聚类中心、计算复杂度高等问题,提出一种新的FCM初始化方法.首先,使用维纳滤波分别对图像的R、G、B分量进行预处理,待转换为LAB色彩空间后,通过二次分水岭方法获取图像的封闭区域,并计算各区域的质心;其次,利用自适应无监督的方法对质心进行筛选和合并,将合并结果作为FCM的初始聚类中心;最后,使用FCM方法进行分割.实验结果表明,该方法不仅能够获得较准确的聚类中心,减少了迭代次数和运算时间,而且能够更好地实现图像的准确分割.     

基于异值区域消除的遮挡人脸识别

针对存在部分遮挡的人脸的识别问题,提出了一种改进的基于异值区域消除的人脸识别方法。首先,由训练人脸图像得到平均脸图像,并将测试图像与平均脸图像作差值运算得到误差人脸图像;然后,对误差人脸图像进行分割得到测试人脸图像存在的遮挡区域,并将测试图像和训练图像的相应区域予以去除以形成新的测试图像和训练图像;最后,采用线性回归分类或稀疏编码分类方法实现人脸识别。与同类方法比较,本方法计算相对简单,展现了较好的识别性能提升。基于Yale B和AR标准人脸数据库的仿真测试结果验证了本方法的有效性。