基于k-means和半监督机制的单类中心学习算法

提出了一个基于k means算法框架和半监督机制的single means算法,以解决单类中心学习问题。k means算法实质上是对一种混合高斯模型的期望最大化（EM）算法的近似,对该模型随机生成的多类混合数据集,从目标类中随机标定的初始中心出发,能确定地收敛到该类的实际中心。将single means算法应用到对单类文本中心学习问题中,实验结果表明：在给定目标类中的小标定文本集后,新算法能够有效地改进类的初始中心,且对数据稀疏和方差较大的实际问题具有健壮性。     

一种新型PACS系统存储方案设计

在PACS系统存储应用特征分析的基础上,提出对医学图像实施多层存储的思想,并具体设计了医学图像高速存储中数据替换的方法。     

基于投影阈值分割和数字序列校正的高噪声数字仪表图像识别方法

针对数字仪表图像噪声大、图像特征信息不足导致图像识别准确率低的问题,提出了一种基于卷积递归神经网络结合投影阈值分割和数字序列校正的高噪数字仪表图像识别方法。首先,用投影阈值分割二值化算法对图像进行预处理：使用垂直投影法将图像划分为不同区域,根据不同区域的噪声强度自适应设定二值化阈值,对图像进行二值化处理,降低噪声;其次,根据图像之间数字规律变化特点,利用数字序列校正算法将单个数字识别转换为数字序列识别,通过对比不同数字序列的识别概率得出识别结果,解决单张图像特征信息不足导致识别准确率低等问题。实验结果表明,在高噪声数据集上,相较于卷积递归神经网络模型,提出的高噪声数字仪表识别模型在准确率方面提高了约61.95%,达到93.58%。     

卧式车床组合刀具

我公司接到新西兰客户的真空泵的主要部件——缸体（见图1）的大批定单。该缸体虽不复杂,但其质量重,且加工精度要求较高,特别是形位公差要求较高,内孔表面粗糙度值Rn=0．4μm,必须珩磨,而公司现只有卧式车床CW6163和普通平面磨床可用。     

基于蚁群算法的医学图像分割研究*

通过对蚂蚁信息激素释放、路径转移的重新定义,并将图像空间的模糊连接关系引入蚂蚁的觅食过程中,进而转换为蚂蚁搜寻食物的准则,实现了医学影像图像的分割,并进一步分析了算法实现中相关影响因素参数选择的问题。     

瓦尔特召开中国新品发布会

2010年6月11日,即第十届中国国际机床展（CIMES2010）的前一天,瓦尔特中国公司在北京新中国国际展览中心召开了。瓦尔特中国新品发布会”,瓦尔特大中华区总经理PerTornell先生和市场研发经理JuergenDaub先生共同主持了本次会议。     

基于局部搜索机制的K-Means聚类算法

K-Means聚类算法的结果质量依赖于初始聚类中心的选择。该文将局部搜索的思想引入K-Means算法,提出一种改进的KMLS算法。该算法对K-Means收敛后的结果使用局部搜索来使其跳出局部极值点,进而再次迭代求优。同时对局部搜索的结果使用K-Means算法使其尽快到达一个局部极值点。理论分析证明了算法的可行性和有效性,而在标准文本集上的文本聚类实验表明,相对于传统的K-Means算法,该算法改进了聚类结果的质量。     

无线802.11蜜罐研究综述

介绍了典型的无线802.11蜜罐,并对其进行了比较和评估.分析了目前无线802.11蜜罐的主要应用领域,对无线802.11蜜罐面临的主要挑战和发展方向进行了讨论.     

基于Self-training和Web的术语翻译系统

现有基于模式的术语翻译系统存在2个主要缺点,即学习过程依赖人工标定语料和缺乏对模式的评分以及对候选术语的评分太简单。该文将self-training学习机制引入术语翻译系统,在一对训练语料上完成初始学习,在实际运行中自动选择可靠程度较高的术语重新训练,以改进系统性能。该系统中增加了对模式的评分,利用启发规则,扩充了候选术语的评分方法。实验结果表明,改进后系统的性能高于原有系统。     

一种基于T-Snake模型的医学图像分割方法

改进的T-Snake算法首先在分水岭法中,对相邻区域以其像素数、灰度均值和灰度方差定义距离,并据其在图像上建立新的连通图,以对图像过度分割而产生的一些过小区域合并;其次,在模型跨边缘时,利用已分割断层图像中模型内部区域的统计特征,用区域生长法获取内点并重新参数化模型,使模型不再跨边缘,以保证模型形变到正确的边缘。算法在MATLAB上验证通过。