基于对比学习的半监督肝脏血管分割方法

针对肝脏血管分割方法通常依赖高质量有标签数据训练模型及现存对比学习方法过度关注局部信息而忽略全局信息的问题,提出一种基于全局和局部对比学习的半监督肝脏血管分割方法．本方法首先以Mean Teacher模型作为框架,对编码器输出高维特征进行全局对比,捕捉特征全局一致性,获取更丰富全局上下文信息;然后对解码器输出进行局部对比,获取语义分割中的局部像素级特征;最后引入分布差异最小化方法,通过使用判别器进行对抗训练,减少有标签和无标签数据之间的分布差异,提升模型的泛化性能．实验结果表明：本方法在肝脏血管分割任务上取得了显著的效果,在3Dircadb数据集上的Dice系数、Jaccard系数、平均表面距离(ASD)和95%豪斯多夫距离(95HD)分别为74.36%,59.73%,2.65 mm和13.57 mm,优于其他半监督方法．     

检测地震不连续性结构的多分辨局部结构熵算法

根据地质构造的变化特点和地震数据的时间-尺度特性,提出了基于多尺度瞬时相位的多分辨率局部结构熵算法.首先在小波域的多尺度瞬时相位体上,利用局部结构熵检测不同分辨率下的局部不连续性结构,然后利用图像融合中的像素灰度极大值法,将不同分辨率下的局部结构熵值进行融合,得到一个最终的不连续性检测结果.在具体的算法实现中,利用螺旋坐标系对分析单元内的地震道进行排列组合,构建 4 阶协方差矩阵,减少了计算量.模型和实际资料算例的计算结果表明,与基于特征结构的相干算法相比,该方法既可以清晰地显示出大的结构突变,又能加强微弱、缓变的岩性变化,计算效率提高了近4倍.     

一种新的基于局部小波统计特性的多聚焦图像融合算法

改进了局部小波对比度的定义.提出一种利用小波变换实现多聚焦图像融合的方法.基于新的对比度的融合过程,由源图像上计算的视觉重要性构造融合图像对应的小波系数,因而融合图像更符合人的视觉特性.仿真结果利用熵、交叉熵、均方根误差对该方法的融合性能进行了评价与分析,实验结果表明,该融合方法充分保留图像的细节信息,并具有良好的稳定性.     

基于局部细节特征的二次指纹匹配算法

为提高指纹匹配的正确率,综合局部细节匹配算法和全局匹配算法,提出一种将两者相融合的二次匹配方法。在提取指纹细节特征信息并去除伪特征点后,首先利用k-近邻法进行局部细节特征的一次匹配,获得局部特征之间的匹配分数;然后根据匹配分数对指纹图像进行旋转校正,进而对全局特征进行二次匹配,计算匹配向量,并利用匹配向量获得匹配率决定最终匹配结果。实验结果表明:在不同质量的多个指纹数据库上测试,算法最高正确率达到错误拒绝率为2.5%,错误接受率为0.22%,说明了该方法的有效性。     

结合低秩分解与多流融合的行为识别方法

运动信息对行为识别任务至关重要。现有方法仅利用了局部运动信息,忽略了全局运动信息的重要作用。为解决该问题,提出了一种基于低秩分解与多流融合的行为识别方法。通过3条支路分别提取视频的特征,第1条支路利用低秩分解提取全局运动信息;第2条支路提取视频的光流特征以得到局部运动信息;第3条支路利用原始视频作为输入,以保留完整的空域信息。将3条支路的预测结果进行后融合,得到最终的行为识别结果。通过多流融合,充分利用视频的多尺度时域运动信息和丰富的空域信息,提高现有模型的行为识别能力。实验结果表明,提出的方法优于现有模型的多流融合行为识别方法。     

基于多尺度符号转移熵的脑电信号分析

无论从全局还是局部的角度出发,采用多尺度转移熵表示全局和局部两类脑电(electroencephalography,EEG)信号,并分析其动态和不对称信息。采用比例系数从1到199、步长为2的多尺度方法处理正常人和癫痫病患者的脑电信号;然后采用维度为3的全局排列方法表示序列。将正向和反向符号序列作为转移熵的输入。比例因子的间隔和全局路径分别为(37,57)和(65,85),分析发现两组EEG信号的熵值在该处较容易区分。当比例系数为67时,健康对照组和癫痫病患者的转移熵值分别为0.113 7和0.102 8,差异最大。在比例系数是165时,全局变量的相应值为0.064 1和0.060 1。研究结果表明,合适的排列有助于更好的区分脑电数据信息,采用多尺度符号转移熵分析EEG信号更加有效。     

一种融合信息熵和改进SIFT算法的图像检索方法

针对图像检索中基于单一全局颜色特征或局部特征的检索方法存在查准率和查全率低等问题,提出了一种融合信息熵和改进尺度不变特征变换算法的图像检索方法。首先,利用改进的尺度不变特征变换算法提取图像的局部特征;然后,计算图像的全局颜色特征和信息熵;最后,利用信息熵动态分配全局颜色特征和局部特征的权重,计算图像间的相似度进行图像检索。实验结果表明:该方法的检索性能优于颜色直方图法和尺度不变特征变换算法。     

基于全局和局部信息融合的显著性检测

为提高低对比度、复杂自然图像显著性检测的准确率和泛化性能,提出一种贝叶斯框架下的全局和局部信息融合的显著性检测模型.首先,构建深度卷积自编码网络,采用对称编解码结构,监督学习图像全局特征,得到全局显著图;然后,根据全局显著图产生前景和背景码本,利用局部约束线性编码算法进行编码,采用稀疏编码描述局部特征,产生局部显著图;最后,提出采用贝叶斯框架,将全局和局部信息融合,生成最终显著图.实验结果表明,所提模型在ECSSD,DUT-OMRON和PASCAL数据集上F-measure值分别为76.53%、59.45%和72.52%,MAE值分别为0.143 28、0.137 87和0.181 05,且能够有效对低对比度、复杂真实自然图像进行显著性检测.     

基于组合智能算法的无线网络信道分配机制

针对当前无线网络信道分配方法易出现干扰, 网络吞吐量小等缺陷, 设计一种基于组合智能算法的无线网络信道分配方法. 首先对无线网络信道分配的原理进行分析, 构建无线网络信道分配模型; 然后采用遗传算法产生无线网络信道的初始分配方案, 并引入粒子群优化算法对无线网络信道的初始分配方案进行精细搜索, 得到合理的无线网络信道分配方案; 最后在MATLAB 2016平台对无线网络的吞吐量、 网络延迟、 数据传输丢包率进行仿真测试. 仿真结果表明, 该方法大幅度提升了无线网络的吞吐量, 网络延迟和数据传输丢包率远小于单一的遗传算法或粒子群优化算法, 改善了无线网络的通信性能.     

一种多信道感知的无线网络编码方法研究

为了适应无线网络广播传输速率限制,针对现有多信道无线网络存在的吞吐率性能优化问题.本文以OFDMA中继网络作为应用实践背景,深入研究与分析了其满足于无线信道广播速率的网络编码方法.首先,以优化吞吐率性能作为第一要素,设计出一种支持编码感知的无线信道调度策略的全局方法;其次,证明了在其全局方法下网络编码感知的无线信道调度问题是NP难的且不存在PTAS解决方案;最后,设计出一种新型的启发式网络编码算法,即I-TPO.通过模拟实验与测试表明,I-TPO不仅有效优化了网络吞吐率性能,而且具有较低的时间与计算复杂度.     

审计信息系统全覆盖联网数据精准定位方法

针对传统数据定位方法中存在的定位精度较低、时间较长等问题,提出审计信息系统全覆盖联网数据精 准定位方法。采用近邻方法对审计信息系统全覆盖联网数据关联进行分析,引入相关品质函数理论,将传感器 获取的多特征数据转入到关联判决过程,计算关联测度。在此基础上,根据关联测度的计算结果,通过改进的 KCF 算法组建目标跟踪器,利用跟踪器获取目标具体的运行状态,采用数据关联算法得到目标相对应的跟踪集 以及检测集,根据加权融合三特征的跟踪结果,准确获取审计信息系统中各个目标数据的具体位置,实现数据 精准定位。仿真实验结果表明,所提方法能快速准确获取审计信息系统全覆盖联网数据的具体位置。     

利用信息交互最优权重改进神经网络的方法

由于卷积神经网络中多层感知器使用梯度下降算法进行训练,存在收敛速度慢和易于陷入局部极小的问题。针对此问题,提出一种利用信息交互计算最优初始化权重的方法改善网络结构,该方法可有效减少训练时间并可避免陷入局部极小。利用数学理论推导出ＲeLU 函数最优初始化权值的公式,利用该方法改进2-channel网络结构,直接代入数据可求出最优初始权值。通过3 个数据集的多次训练和测试,灰度图像的平均匹配准确率提升了1． 0%左右,FPＲ95 平均值也由5． 23 降至4． 65,初始化权重的设置可避免神经元进入硬饱和区,同时网络还具有效果稳定、收敛速度快的优点。     

一种基于局部信息最小二乘法的节点定位算法

针对一些面积较大、节点分布密度过低的实际应用场景中,由于节点间距离测量误差过大而导致定位算法结果精度较低的问题,提出一种根据各邻居节点相关信息划分为若干个局部网络块的节点定位算法.该算法首先将无线传感器网络节点定位技术与机器学习领域中的降维方法相结合;然后根据节点间的距离越近,测量精度越高的规则及在一定通信半径内的各邻居节点相关信息共建网络块;最后将网络块组建成全局坐标系,利用全局构建以及锚节点的具体信息映射出各节点的坐标.仿真实验结果表明,该算法较其他节点定位算法在节点定位精度方面表现更优.     

基于证据理论加权融合的无线传感器网络路由算法

针对当前无线传感器网络路由算法存在数据传输成功率低、 网络时延长和丢包率高等缺陷, 为获得更优的数据传输结果, 提出一种基于证据理论加权融合 的无线传感器网络路由算法. 首先引入聚类分析算法对无线传感器网络进行分簇, 使簇首的分布更均匀, 解决簇首过于集中、 簇成员节点分配不合理的问题; 然后采用证据理论计算剩余能量、 节点间通信距离、通信能耗的权值, 并根据权值对每个节点的性能进行综合评价, 根据综合评价结果选择每个簇最合理的簇首; 最后与其他无线传感器网络路由算法进行对比测试. 测试结果表明, 相对于对比算法, 该算法数据时延均值和丢包率均大幅度减少, 改善了数据传输成功率, 使节点之间的能耗更均衡, 延长了无线传感器网络的生存周期, 建立的无线传感器网络路由可靠性更高.     

基于移动代理的无线传感器网络路由算法研究

在无线传感网络中,簇的划分以及簇内节点访问顺序对网络生存周期具有重要影响。为了提高分簇网络生存周期,提出一种分簇融合的方法。采用ISODATA聚类法实现网络的分簇,在簇内由移动代理对数据进行融合。将移动代理路由归结为一个优化问题,采用蚁群算法求出移动代理迁移的最优路径序列。实验以能耗和网络延时作为评价指标,结果表明该算法可以有效的降低网络能耗,提高网络生存周期。     

基于多通道小波卷积神经网络的路面异常检测算法

为了保证路面质量和行人与驾驶员的安全,提出了一种利用传感器时序多变量信号数据进行路面异常检测的算法.针对行驶过程中需要结合多种传感器信号在不同尺度对路面特征进行分析的问题,提出结合小波卷积网络和多通道网络技术,实现路面异常检测.首先,在多级小波变换间加入卷积神经元网络,从多个尺度分析单个传感器信号的局部连续性;然后,构建多通道神经网络,将多个传感器信号分别作为不同通道的输入,计算多个信号相结合的特征向量;最后,使用多层感知机根据多通道小波网络的输出实现路面异常检测.实验结果表明,该检测算法相对于传统的时间序列分类方法,同时考虑了多尺度分析、信号局部连续性和多变量信号的结合,在分析多变量时序信号数据时,具有更低的误检率和漏检率,更高的F1值.     

基于证据理论加权融合的无线传感器网络路由算法

针对当前无线传感器网络路由算法存在数据传输成功率低、 网络时延长和丢包率高等缺陷, 为获得更优的数据传输结果, 提出一种基于证据理论加权融合 的无线传感器网络路由算法. 首先引入聚类分析算法对无线传感器网络进行分簇, 使簇首的分布更均匀, 解决簇首过于集中、 簇成员节点分配不合理的问题; 然后采用证据理论计算剩余能量、 节点间通信距离、通信能耗的权值, 并根据权值对每个节点的性能进行综合评价, 根据综合评价结果选择每个簇最合理的簇首; 最后与其他无线传感器网络路由算法进行对比测试. 测试结果表明, 相对于对比算法, 该算法数据时延均值和丢包率均大幅度减少, 改善了数据传输成功率, 使节点之间的能耗更均衡, 延长了无线传感器网络的生存周期, 建立的无线传感器网络路由可靠性更高.     

VANETs中的基于最小传输选择的局部机会路由

机会路由充分利用无线网络的广播特性,极大地提高单播吞吐量。然而,现有的机会路由依赖拓扑的全局信息,而且收集全局信息增加了系统开销,这将限制了机会路由在大型无线网络的应用。为此,提出基于最小传输选择MTS-B(minimum transmission selection)算法的局部机会路由LOR(localized opportunistic routing)协议,记为MTS-BLOR。提出的MTS-BLOR采用分布式最小传输选择算法MTS-B,并利用局部信息将网络拓扑划分小的邻近节点集CNS(close-node-set),拓宽了机会路由在大型的无线网络中的应用。由于无需使用全局动态信息,MTS-BLOR降低了系统开销,减少了系统复杂度。同时,分析了转发清单的全局优化与因开销受限的可扩展性之间的权衡。实验仿真表明,与ExOR(extremely opportunistic routing)、MORE(MAC-independent opportunistic routing protocol)相比,MTS-BLOR在时间复杂度、端到端传输时延和吞吐量方面得到明显的提升。     

基于多分支CNN和多尺度特征融合的非受控人脸年龄估计

现有的人脸年龄估计不能很好地兼顾全局-局部细节的特征表达,因而非受控人脸年龄估计的精度存在一定的提升空间。为解决此问题,提出了一种基于多分支卷积神经网络(convolutional neural networks,CNN)和多尺度特征融合的非受控人脸年龄估计方法。该方法根据人脸关键点对人脸图片剪裁得到包含人脸的全局图像和分别包含眼睛、鼻子、嘴巴的局部图像;使用多分支CNN网络提取对应的深层全局特征和局部特征,使用多尺度特征融合网络探索局部特征间的相关性信息从而进行局部特征选择;将融合的局部特征与全局特征拼接得到兼顾全局-局部细节的年龄特征;使用softmax损失函数优化模型进行人脸年龄估计。根据MORPH Album2、FG-NET、LAP2016人脸年龄数据集上的实验结果表明,提出的方法是有效的。     

An improved multiplicative exponent weighting vertical handoff algorithm for WLAN/WCDMA heterogeneous wireless networks

An improved MEW(multiplicative exponent weighting)algorithm,SLE-MEW is proposed for vertical handoff decision in heterogeneous wireless networks.It introduces the SINR(signal to interference plus noise ratio)effects,LS(least square)and information entropy method into the algorithm.An attribute matrix is constructed considering the SINR in the source network and the equivalent SINR in the target network,the required bandwidth,the traffic cost and the available bandwidth of participating access networks.Handoff decision meeting multi-attribute QoS(quality of service)requirement is made according to the traffic features.The subjective weight relation of decision elements is determined with LS method.The information entropy method is employed to derive the objective weights of the evaluation criteria,and lead to the comprehensive weight.Finally decision is made using MEW algorithm based on the attribute matrix and weight vector.Four 3GPP(the 3rd generation partnership project)defined traffic classes are considered in performance evaluation.The simulation results have shown that the proposed algorithm can provide satisfactory performance fitting to the characteristics of the traffic.