基于集成DBN的肺部肿瘤计算机辅助诊断模型研究

针对目前肺部肿瘤计算机辅助诊断模型存在的识别精度不高和漏诊率、误诊率降低困难等问题,提出一种基于集成深度信念网络(DBN)的肺部肿瘤计算机辅助诊断模型。首先,探讨不同的隐层数和隐层节点数对DBN识别性能的影响,从而确定合适的网络结构,并以该网络结构在三个模态(CT,PET,PET/CT)肺部图像构成的样本空间构建三个单一DBN个体分类器(CT-DBN,PET-DBN,PET/CT-DBN);然后,探讨输入图像大小、RBM学习率、训练批次大小、反向传播次数对DBN识别性能的影响,从而确定合适的参数训练三个单一DBN个体分类器;最后,采用"相对多数投票法"对三个DBN个体分类器进行集成,得到该模型的最终结果。实验结果表明,基于集成DBN的肺部肿瘤计算机辅助诊断模型的整体性能优于三个单一DBN个体分类器。     

基于SVM和KPCA的滚动轴承故障诊断

从时域角度分析了滚动轴承的振动信号,综合利用SVM和KPCA方法来实现对滚动轴承的故障诊断研究。首先对滚动轴承的原始信号从时域角度分析提取典型特征,再利用KPCA方法对输入的典型特征降维,最后采用SVM算法对降维后的数据进行故障诊断。实验证明:该方法在保证较高的故障识别能力的前提下,不仅能够有效地提取损伤特征、降低数据维数,而且实现了数据可视化。     

组合降采样极限学习机

设计了一种针对不平衡数据集的学习机,即组合降采样极限学习机(EUS ELMs)。当训练数据集不平衡时,普通分类器对少数样本的分类敏感性较低,而给予多数样本过度关注。针对这种问题,将组合降采样结构与极限学习机(ELM)结合起来,形成一种新的组合学习机。该学习机继承了组合降采样结构对样本选择的依赖性小的优点,和极限学习机分类效率高、耗时短的优势,而且可以通过不同的参数设置控制对少数样本的关注度,根据使用者需求获得不同分类效果。     

基于支持向量机的缓存预估模型的设计与实现

采用支持向量机(SVM)对网络业务流数据进行预测估计，通过训练样本，从而获得样本以外数据的分布规律。在此基础上，设计了一种网络排队队列缓存的预估模型。实验表明，该模型具有较高的训练效率和很高的估计精确度。     

BP算法的改进及用模拟电路实现的神经网络分类器

基于用模拟电路实现神经网络分类器的目的，对多层静态前馈神经网络的ＢＰ算法做了改进，采用线性限幅函数代替Ｓｉｇｍｏｉｄ函数作为神经元的激活函数，给出了改进的ＢＰ算法。对该算法性能的实验研究表明：这种改进算法不但方便了用线性模拟集成运算放大电路实现神经网络，而且具有学习速度快，映射能力强等优点。根据本文算法设计的神经网络分类器，无论是计算机仿真，还是模拟电路实现，都得到了比较高的识别率。     

大型回转机械故障的神经网络分类器

建立邦联类型的自动识别系统是机械设备诊断学的发展方向。神经网络理论的兴起和发展为邦联类型的自动识别开辟了一条崭新的道路。本文产生了这一现象的原因，并利用组合网络来克服单一网络对组合故障分类精度不够高的缺陷，取得了令人满意的结果。     

神经网络分类器的快速构造算法

使用ＢＰ算法训练多层网络的速度很慢而且事先难于确定隐节点和隐层的适当数目。本文提出一个有效的算法，先构造决策树，然后将构造的决策树转换为神经网。文中使用一个全局准则函数控制决策树的增长，它较好地匹配了树的复杂性和训练样本量及错分率界。实验结果，本文的算法比用ＢＰ算法训练多层网络要快，而其分类精度不低于用ＢＰ算法训练的多层神经网。     

红外化学遥感数字信号处理算法的研究进展

介绍了几种为远距离红外蒸汽信号监测开发的分类器设计，频域数字滤波，时域数字滤波等数字信号处理技术。对线性分类器，分段线性分类器和神经网络分类器等在红外化学遥感系统中的应用做了初步的探讨。对背景扣除技术，频域数字滤波技术，数字滤波的切趾方法等做了简要的描述。阐述了时域滤波技术的基本原理及实际应用。展望了红外化学遥感数字信号处理算法的研究前景。