基于各向异性扩散滤波的仿组织材料超声扫描数据三维重建

针对仿组织材料超声扫描数据,给出了一种基于各向异性扩散滤波的三维重建方法。该方法先对超声扫描数据进行二维成像,然后应用各向异性扩散滤波方法根据图像的内容采取不同的平滑策略对二维图像进行滤波处理,可以提取质量较好的轮廓。运用此方法对仿组织材料的超声数据进行处理,并采用等值面绘制的方法完成仿组织材料的三维重建和三维显示,实验结果表明各向异性扩散滤波在超声扫描数据三维重建中具有较好的效果。     

基于U-Net网络的肺部组织分割

传统的医学图像分割中特征提取算法的设计复杂性与应用局限性、稳定性以及特定的特征提取算法与特定的分类器结合的多样性制约着医学图像分割技术的发展,而深度学习是机器学习领域中使用多重非线性变换对数据进行多层抽象的热门算法,其多被应用于医学图像的分类和识别中。在肺组织分割中,针对肺部组织纹理复杂,且胸部CT图像数据的随机噪声大,采用相对成熟的传统分割算法对CT图像进行预处理,再结合深度学习的理论,设计一个合理的神经网络模型,利用已经标记好的多组肺部CT图像进行训练,使其能够准确地分割出肺部组织。基于U-net神经网络的深度学习方法对肺实质的分割进行研究与实现,并针对临床扫描胸部CT图像进行了实验验证,能够较为准确快速地分割出肺实质。     

带通采样频域波束形成

常规波束形成算法都是基于过采样率的,这使得多波束成像声呐系统因采样率高,数据吞吐量大,体积．成本和功耗等都很大。本文提出了一种基于帝通采样的频域波束形成算法,将带通采样信号的各频谱分量搬移到原始频谱位置,再进行相位补偿,进而实现带通采样频域波束形成。对其算法进行了仿真,并通过处理海试数据,验证该算法的有效性,为解决多波束成像声呐系统的小型化提供了技术支撑。     

基于优化EFD算法的风电行星齿轮箱故障诊断研究

行星齿轮箱作为风力发电机的关键核心部件，对其故障进行准确诊断能有效提升风力发电效能．行星轮系作为一种复杂的传动机械部件，其频谱表现异常复杂，且故障信息极易被无关成分或干扰成分淹没，而利用信号分解获取故障分量的方法在行星齿轮故障诊断中发挥着重要的作用．因此，针对经验傅里叶分解(empiricalFourierdecomposition,EFD)易陷入局部频谱分割的问题，优化改进了EFD的频谱分割算法，即在原频谱分割算法上引入边界阈值机制，优化频谱分割边界点的选择，有效限制边界频率陷入局部的问题．通过构造多分量仿真信号对比分析原频谱分割算法和优化算法，并逐步增加分量成分对比分析．仿真分析结果表明，原频谱分割算法随着分量成分的增加，其边界频率逐渐陷入局部，而优化算法却能准确获取边界频率，验证了优化EFD算法的有效性，表明优化频谱分割算法是在原频谱分割算法上的有效改进．最后通过对风电行星齿轮箱实验数据的分析表明，与EFD算法相比，优化EFD算法获取的边界频率不易陷入局部，可以更好地获取故障分量．在对风电行星齿轮箱的故障诊断中，能更有效地识别故障频率成分和确定故障位置．     

基于模糊神经推理的人脸识别算法研究

提出了一种基于模糊神经推理的人脸识别算法,并对该系统的性能进行了分析研究.文中特征提取模块采用了基于子图分割的奇异值分解算法,并在此基础上以ORL数据库为实验数据,研究了不同子图分割方式对模糊神经推理系统的性能影响,并验证了本文算法的有效性.     

微扫描超分辨率超声成像技术研究

针对提高超声成像的分辨率问题展开研究,提出了微扫描超分辨率超声成像的方法.通过将微扫描和超分辨率技术结合并应用于超声成像中,微扫描技术获取满足超分辨率技术的多幅低分辨率图像,然后应用超分辨率图像重建算法获取高分辨力图像,并对此过程进行了仿真.仿真结果表明:提出的基于微扫描的超分辨率超声成像方法在实际应用中有一定的可行性,对提高超声成像设备的分辨率具有参考价值.     

数字全息显微中的相位像差自动补偿算法

结合图像分割技术提出了一种用于数字全息显微成像的相位像差自动补偿算法.首先，采用最小二乘拟合算法对包含被测物体的解包裹相位图进行粗略的补偿，在此基础上，利用图像分割算法对其背景区域进行分割，获得不含被测物体的解包裹相位图.最后，对其进行最小二乘拟合从而实现相位像差的精确补偿.传统的数字全息显微技术需要通过手工检测背景区域来解决相位像差补偿的问题.然而，本文方法既不需要人工干预，也不需要光学设置的先验知识，即可实现相位像差的自动补偿.通过搭建的数字全息显微实验平台验证了所提算法的可行性和准确性.     

基于Hessenberg测量矩阵的超声图像重建

针对超声图像连续性差、自身具有稀疏性的特点,提出了一种适用于超声图像的压缩感知重建方法。该方法以小波变换为稀疏基,Hessenberg矩阵为测量矩阵,引入正交匹配追踪(OMP)算法实现了超声图像的重建。超声C-扫描图像重建结果表明在观测数据采样率降低、数据缺失等条件下均能清晰的成像,验证了该方法的有效性。此外,本文给出Hessenberg测量矩阵的有限等距性(RIP)性质证明;并与基于Toeplitz测量矩阵的图像重建方法进行了比较,实验结果表明利用本文方法的重建图像在平均结构相似度(SSIM)、峰值信噪比(PSNR)和三维差值图等指标上均较优。该压缩感知重建方法在采样率为50%,原始数据较差的前提下,成功恢复出相似度在80%以上的超声图像。     

基于模糊集与区域生长算法的胎儿下腔静脉血管超声分割

本方研究了胎儿下腔静脉血管在B型超声图像中的分割问题.B型超声使用方便,在临床中有广泛使用,但其图像有噪声多、对比度差的缺陷.为了有效地在B型超声图像中分割血管,提出了一种基于模糊集与区域生长算法的分割算法;该算法预先使用模糊集算法处理,以提高图像对比度;并使用基于梯度改进的自适应区域生长算法进行分割.实验以医生的手工分割结果作为金标准,并与阈值分割和水平集算法进行了对比.实验表明,该方法的准确度和稳定性高于阈值分割和水平集分割方法结果.     

猪离体软组织超声频谱衰减特性实验分析

应用频谱分析的谱差法,对猪离体的脂肪、肌肉及肝组织的超声传输衰减特性进行了实验分析.结果表明,猪脂肪、肌肉组织的衰减系数随频率的变化与指数规律符合相当好;肝组织的衰减乐数和频率的关系与线性规律接近.     

药物动力学房室模型的改进

 运用数学建模的方法,建立了一个改进的药物动力学的房室模型,利用临床数据和剩余浓度法对模型的参数进行估计,并验证了该模型的可行性及应用性．      

一种从衰减数据重建X射线球管光谱的方法

为了获得完整的球管光谱信息以实现X射线的曝光剂量控制和成像质量评估，提出了一个基于模型的光谱重建方法．根据不同厚度的衰减数据，用非线性最小二乘法估计出模型参数值，重建出应用于乳腺X射线检查的球管光谱．相对于传统的光谱重建方法，该方法采用模型约束，有效地遏制了衰减数据中测量噪声的影响，重建的光谱具有较高的精度．实验表明，当衰减数据合有标准差为1％的泊松噪声时，钨靶在35kV和45kV球管电压下，重建光谱的误差分别为4．03％和2．92％；钼靶在20kV和30kV电压下，误差分别为6．68％和8．41％．     

基于Logistic回归、Markov过程和改进灰自助法的导弹备件需求预测

 为了提高预测间断性需求导弹备件的精度,提出一种基于Logistic回归、Markov过程和改进灰自助法的组合预测模型。将样本序列划分为解释变量序列和自相关序列,对解释变量采用Logistic回归模型预测提前期非零需求发生概率,对自相关序列采用Markov过程估计提前期非零需求发生概率,把这两方面组合得到提前期非零需求发生概率,再运用改进灰自助法进行需求分布确定,得到最终的提前期需求。改进灰自助法先进行Bootstrap抽样,进行GM(1,1)二次数据拟合,既克服了Bootstrap法在小子样下的重复抽样问题,又克服,Bootstrap法在小子样下仿真结果不可信的问题。实例表明,提出的组合预测方法降低了预测误差,说明了该方法的有效性、可行性和实用性。     

基于广义S变换的频移衰减估算方法及其在碳酸盐岩储层中的应用

传统频率域衰减Q值估算方法在碳酸盐岩储层地震预测中往往存在Q值精度不高和时频分辨率不足的问题,难以精细、有效地描述储层地震特征。本文利用改进的频移法Q值估算精度高、稳定性好的优势,引入广义S变换使其时频分辨率可调以满足实际需求,提出了一种完整的衰减方法研究流程,讨论了广义S变换双参数及振幅谱频段参数的选取方式,参考层识别与层剥离处理方法等问题,有效提升了衰减Q值方法在碳酸盐岩储层研究中的适用性。将该方法应用于安岳气田磨溪区块龙王庙组碳酸盐岩储层,提取了工区内一条二维地震测线的Q值剖面,对比实际资料进行分析,结果表明Q值结果较振幅、波阻抗属性更能反映储层含气特征,低Q分布区域与含气井位置基本吻合,衰减异常现象明显。将该方法应用于全工区地震资料,Q值结果反映了地层的吸收特征和储层特征差异,有效预测了优质储层分布的有利区。基于衰减Q值的估算方法在碳酸盐岩储层预测中具有明显效果。     

门限自回归模型建模方法的改进

本文简述了门限自回归模型的建模步骤和原算法的缺点,详细推导了建模方法的改进途径和步骤。即将模型进行适当变换,用数据的一阶差分和部分原始数据来求变换后模型参数的最小二乘估计,再反回去求原模型参数。增加阶数时,系数阵及其逆阵和模型参数都采用了递推算法。通过实例计算表明,改进的方法比原方法可节省机时60％左右。     

大型风力机异常功率数据清洗方法

针对风力机异常功率数据难以有效清洗的问题,提出改进的DBSCAN方法.首先将数据集离散分割,然后在各离散区间内自适应粗估DBSCNA算法参数并聚类,最后计算统计特征相似性修正聚类结果.以某风场2.5 MW风力机SCADA系统实测数据验证所提方法,结果表明:改进方法的召回率为97.97%,准确率为97.97%,F₁值可达97.85%,可有效清洗风力机功率数据集,且变更数据集时改进方法结果更稳定.     

基于最短路径和样点插值的城市基准地价GIS系统

研究并介绍了几种主要的基准地价测算方法,其中样点法是一种快速直观、现势性好的新方法;样点法通常需要基于最短路径来进行.本文对传统的最短路径方法进行了补充,计算得到了更为精确的空间任意两点之间的最短距离,提高了地价衰减模型的计算精度;基于最短路径计算结果,采用移动平均法进行空间插值,设计并实现出相应的G IS系统,应用于实际的基准地价计算与结果表现.     

煤矿井下基于虚拟Radio-map及Markov链的定位算法

为了在煤矿井下获得更高的定位精度,提出一种基于虚拟Radio-map及Markov链的定位方法。结合井下复杂环境,采用信道衰减模型及线性插值法实现了动态衰减因子,建立虚拟Radio-map的同时降低了工作量;考虑到每处采样点接收信号强度分布先验假设和统计特征,在线阶段采用基于贝叶斯准则框架的加权核函数算法,为每个样本数据赋予一个以自身为"核心"的函数,构建的概率密度分布避免了确定模型带来的误差,从而提高了定位精度;为进一步优化定位结果,考虑先验概率对贝叶斯后验概率的影响,提出了基于高斯模型的Markov链定位算法,抑制了运动目标位置的大幅度跳变,使目标定位更加精确。实验表明,所提算法可以通过较低数据采集工作量达到一定的定位精度,满足井下目标定位需求。     

热连轧数据采集的多样本处理策略

热连轧带钢生产过程中，实测数据的处理方式影响到模型自学习的精度，最终影响到产品的控制精度.为解决此问题，建立了针对实测数据的多样本处理策略，采用变异系数的方式排除了高离散性的数据，并通过数据映射的方式将采集到的有效数据进行同步，最终获得了高可信度的自学习源数据，大大提高了模型自学习的有效性及预报精度.将该多样本处理策略应用到国内某热连轧生产线的精轧机组，现场实际应用效果表明:带钢头部的轧制力预报精度达到了233%，满足了自动厚度控制系统的控制要求，提高了产品的质量.     

稀疏性SVDD方法在故障检测中的应用研究

在支持向量数据描述(SVDD)方法的基础上,通过研究原始正常数据分布在高维映射空间内的稀疏特性,选取前k个高维分布边缘的数据点进行SVDD建模,用于解决SVDD方法处理大样本数据的缺陷,以及建模与过程监视时间长的问题.经过理论推导和仿真分析,验证了稀疏性SVDD建模方法可以有效地提高建模以及过程检测速度;对于大样本数据可以利用筛选后的小样本进行建模,解决了SVDD方法不能很好地处理大样本数据分类的问题;同时,此方法不影响故障检测的精度.在TE过程中的应用验证了该方法的有效性.