基于IPSO的模糊神经网络优化及交通流量预测

在基于模糊神经网络的交通流量预测中,神经网络的各节点参数优化是最关键的。采用粒子群算法优化模糊神经网络的参数。针对粒子群算法易于陷入局部最优的缺点,提出一种改进的粒子群优化算法,并将改进的算法用于路口交通流量预测。仿真结果表明,该算法的收敛速度和预测精度优于传统粒子群算法、BP算法,提高了交通流量预测的精度和速度。     

神经网络专家系统在高炉布料控制中的应用

将模式识别中的统计方法与人工神经元网络方法有机地结合起来,设计了一种综合的高炉煤气流分布模式识别系统。并基于鞍钢10#高炉操作工艺,将该模式识别系统与专家系统相结合,建立了高炉布料操作专家系统。     

基于可信间隔的特征选择方法研究

传统的特征选择方法没有很好地考虑数据的模式特性而导致性能下降．ReliefF是较为有效的特征选择方法,但存在特征权值随样本波动和不能去除冗余特征的问题．对此,从数据本身的模式特性出发,提出了可信间隔的概念和基于可信间隔进行特征选择的方法．以氧化铝回转窑烧结过程数据为实验数据进行特征选择和烧结工况识别实验,结果表明,所提出的方法能去除冗余特征,有效地提高了识别率．     

基于ACO-SVM的软件缺陷预测模型的研究

针对传统软件缺陷预测模型的应用范围通常被局限在一定的子空间而影响其适用性和准确性的问题,文中利用支持向量机(SVM)的非线性运算能力和蚁群优化算法(ACO)的寻优能力提出了一种基于ACO-SVM的软件缺陷预测模型.文中首先对待预测的数据进行主成分分析降低数据的维数以提高运算速度,然后根据蚁群优化算法来计算最优的SVM参...     

基于改进的变分水平集和区域生长的图像分割方法的研究

针对水平集和区域生长方法都存在对噪声和初始边界敏感以及容易从弱边缘处泄露等不稳定的问题,提出了结合待分割目标灰度统计信息和图像梯度信息的水平集演化函数对水平集方法进行改进,并利用区域生长方法解决水平集方法对初始边界敏感的问题.分别用传统区域生长方法、阈值方法、GAC模型、C-V模型、Snake模型以及本文方法进行从腹部CT图像分割肝脏区域的实验比较,实验结果表明:本文方法不仅可以减少图像分割的时间,而且显著地提高了分割质量.     

基于胸部CT图像的肺癌识别方法的研究

 针对医学影像中小结节容易被漏诊的问题,提出了基于胸部CT图像的肺癌计算机辅助诊断新方法.首先从胸部CT图像分割出关心区域(ROI);然后提取ROI的特征;其次采用RS理论选择有效特征;最后基于这些有效特征建立面向不同需求的肺癌识别模型.即如果需要快速诊断,则利用SONN建立肺癌识别模型;如果需要进行准确诊断,则利用SPAM建立肺癌识别模型和非肺癌识别模型,并根据待识别样本与模型的相似度判断所属类别.但是当相似度较小时,则利用HMM进一步识别.通过实验验证了该方法的有效性.     

量子禁忌搜索算法的研究

针对量子智能算法对高维函数的优化时存在容易陷入局部最优的问题,提出了量子禁忌搜索算法.在量子比特相位增量空间方面,提出了一种按指数级别下降并可动态循环调整的策略;在候选解相位邻域空间方面,提出了一种与禁忌表中最优解有关的可动态调整的划分方法,并增加了候选解局部优化处理方法.为了验证算法的有效性,在高维函数极值问题和多维背包问题进行了仿真,结果表明本文算法收敛速度快,求解精度高.     

小波变换在腹部MRI处理中的应用

应用小波变换对腹部MRI进行图像压缩与平滑化处理,应用边缘检测技术进行边缘数据与肝脏特征值的提取,并结合医师确定的肝脏区域进行图像分割效果的评价。最后利用判别分析法根据特征值进行肝硬化的自动识别。通过对日本国歧阜大学附属医院随机抽取的30枚腹部MRI进行处理,以10%的误判率结果说明了方法的有效性。     

面向脑血管分割的图像处理与人工智能技术

脑血管分割是自动诊断与分析脑血管疾病的重要前提.本文从脑血管成像、面向脑血管分割的图像处理与人工智能方法、脑血管分割的难点问题等三个方面论述了脑血管分割技术.最后,在对脑血管分割领域的总结分析的基础上提出了几点建议.     

采用小波变换与LOG算法的肝脏区域提取法的研究

本文提出了采用小波变换与LOG算法的肝脏区域自动提取方法的研究方案.这种方法由3个阶段构成,首先,基于小波变换将原图像分解成高周波成分与低周波成分;其次,对低周波成分使用Sobel算子与LOG算法求取近似的肝脏区域;最后,基于动态阈值方法精密地提取肝脏区域,而且,对肝脏区域的高周波成分予以强调.本文将提案方法应用于实际的腹部MRI进行肝脏区域提取,展示了本方法的有效性.