基于Matlab组件编程技术的IVCRMS设计与实现

人工智能技术和可视化编程技术的引进使得传统客户关系管理系统（CRMS）发展成为智能可视4ECRMS（IVCRMS）,然而人工智能技术通常需要进行复杂的运算处理,可视化编程技术却难以胜任这一要求．为解决这一问题,论文提出一种基于Matlab组件编程技术的实现方法,先将人工智能算法封装为COM组件,再利用可视化编程语言调用该组件。进而形成IVCRMS．通过一个客户价值细分的实例分析说明了IVCRMS设计和实现的过程．     

铜绿微囊藻通过食物链对红鲤肝和鳃组织的影响

研究了铜绿微囊藻通过以多刺裸腹溞为媒介生物的食物链对红鲤肝和鳃组织的影响,结果表明：1）当铜绿微囊藻密度为5.0×103 cells/mL时,红鲤肝细胞的损伤表现为细胞肿大,细胞核变形,细胞质空泡化;鳃细胞的损伤程度主要表现为细胞肿大,但整个细胞形状基本完整.2）当铜绿微囊藻密度为5.0×105 cells/mL时,红...     

参数p(x)为分段线性函数时斯图谟刘维尔问题的格林函数及其定性性质

研究了当参数p(x)是区间[0,1]上的分段线性函数时,非线性斯图谟刘维尔方程边值问题的格林函数及其性质,并证明了相应边值问题解的积分公式.     

一种高度自动化的三维CT数据腰椎分割方法

针对现有分割方法,分别存在无法完全分割、不能适应所有数据或过多的手动干预等局限性问题,提出了一种用于CT图像单节腰椎分割的新方法.首先从CT图像中分割整条脊椎,然后再分别断开单个椎体和椎小关节,从而使待分割的一节腰椎与其他部位分离.利用人造数据和真实数据对本方法进行了评估,结果显示本法可以高度自动化地分割任意单节腰椎.本方法是医生进行辅助诊断的重要方法,在相关领域的研究中具有广泛意义.     

一种基于视觉感知的复合医学图像分割算法

为提高医学图像分割的视觉效果,依据人类视觉感知的分层特性,提出了一种新的复合医学图像分割方法.该方法通过提取医学图像的底层特征,利用Fuzzy-ART神经网络作为像素的分类器,对医学图像进行连续两次分割.实验结果表明,该医学图像分割方法能有效地解决局部信息与整体分布边缘淡化等相关问题,达到良好的分割视觉效果.     

基于最大熵模型的词位标注汉语分词

近年来基于字的词位标注汉语分词方法极大地提高了分词的性能,该方法将汉语分词转化为字的词位标注问题,借助于优秀的序列标注模型,词位标注汉语分词逐渐成为汉语分词的主要技术路线.该方法中特征模板集设定和词位标注集的选择至关重要,采用不同的词位标注集,使用最大熵模型进一步研究了词位标注汉语分词技术.在国际汉语分词评测Bakeoff2005的语料上进行了封闭测试,并对比了不同词位标注集对分词性能的影响.实验表明所采用的六词位标注集配合相应的特征模板集TMPT-6较其他词位标注集分词性能要好.     

基于GMM和MRF的自适应阴影检测

运动目标阴影在很大程度上会影响运动目标跟踪、行为识别的正确性和有效性.为此,文中提出了一种基于混合高斯模型和马尔科夫随机场的自适应阴影检测方法.该方法首先对混合高斯模型进行改进,使其可以自适应调整参数学习率以消除浅阴影;然后采用马尔科夫随机场综合邻域的空间依赖性信息进行精确的阴影检测.为了提高基于马尔科夫随机场的阴影检...     

鸡肝碱性磷酸酶提取及在线固定化研究

分别用有机溶剂沉淀法和盐析法从大骨鸡肝中提取出碱性磷酸酶,并考察了提取酶液的酶促反应动力学性质.在此基础上,利用顺序注射系统将提取酶在线固定于XC—72导电炭黑表面,制备了固定化碱性磷酸酶.结果表明,大骨鸡肝碱性磷酸酶催化磷酸苯二钠分解的最佳pH=10.8,最适温度为50℃,米氏常数为1.62 mmol/L.相比游离酶,所得固定化酶的比活力显著提高.     

围绝经期综合征舌苔脱落细胞凋亡调控蛋白与肝郁病理的相关性

通过研究围绝经期综合征舌苔脱落细胞调控蛋白与肝郁病理的相关性,为临床诊疗提供实验依据.本研究采用随机数字表法,选取50例健康妇女作为对照组,150例围绝经期综合征患者作为观察组,证素辨证计算肝郁积分,巴氏染色检测舌苔脱落细胞的成熟指数(MI)和成熟价值(MV),流式细胞仪检测舌苔脱落细胞凋亡指数,免疫组化检测舌苔脱落细胞调控蛋白.结果显示,围绝经期综合征肝郁积分明显高于健康妇女:肝郁病理改变,与舌苔脱落细胞MI的中层细胞数量呈正相关,与舌苔脱落细胞MI的表层细胞数量及MV呈负相关:肝郁病理改变,与舌苔脱落细胞凋亡指数、Fas、Bax的阳性率呈正相关,与舌苔脱落细胞中Bcl-2的阳性率呈负相关.提示肝郁病理是围绝经期综合征的核心病机之一,肝郁病理与舌苔脱落细胞的成熟度、凋亡指数及凋亡调控蛋白相关.     

基于神经网络的茄子采摘机器人视觉识别方法

针对生长环境中茄子图像背景复杂的特点,提出了一种基于BP神经网络的图像分割方法。通过对茄子果实的分析,选取3×3邻域像素EXG灰度值作为图像特征。选取30幅图像作为训练样本,以人工借助Photoshop软件分割后的图像作为教师信号,采用改进的BP算法对神经网络的权值进行训练。经过120次循环后,获得有效的网络权值,误差为0．001。结果表明,利用BP神经网络能够较好地实现茄子与背景的分离,经过数学形态法结合中值滤波方法的进一步处理后完全能满足采摘机器人的要求。