Correction of Breathing Motion in the Thorax for Helical CT

This paper investigates a reconstruction method for helical computed tomography which compensates for the motion artifacts in the thorax caused by patient breathing.The method takes into account a motion vector field determined from a four-dimensional(4-D) uncompensated image data set.Surface models of the lung and the ribs are tracked through the 4-D data set to create motion information within the entire thorax.Finally,an image is reconstructed using motion compensated back-projection.The results show tha...     

Rule-K错误的发现

在文[1]中曾提出用一条规则的错误率M/N及N来判断该条规则是否需要修改,本文给出了以“均贲法”、“追踪法”与“比较法”记录某条知识的M/N,与N的方法,以便为知识库的维护提供依据。     

针对机器学习中残缺数据的近似补全方法

针对机器学习中含残缺项的数据不能被有效利用,导致分类和回归准确率不高的问题,提出了一种近似补全方法——k-ANNO方法。给定残缺的数据样本,该方法首先通过离线构建的图结构来近似搜索与该样本最接近的k个近邻顶点,然后采用快速二次规划估计各近邻的最优权重,最后基于权重值来补全样本中的残缺项,用户可以根据实际需求在补全效率与准确性之间折中。k-ANNO方法较好地解决了机器学习中普遍存在的数据残缺问题,有效抑制了数据残缺对分类和回归精度的干扰。利用多份公开数据集评估了k-ANNO方法的补全效果,结果表明:当加速比在2~10之间时,k-ANNO方法的分类错误率比已有的均值补全、C均值补全、自组织映射补全方法低1%~4%,回归均方根误差比已有方法低约0.5~2.0;当样本规模为4 000时,在不同加速比参数下,k-ANNO方法的计算效率比朴素k近邻方法高约35%~320%。     

古汉语中使动和意动用法的辨别

使动用法和意动用法是古汉语中两种常见的词类活用现象。有些词活用后不易辨别其为使动用法还是意动用法。辨别可以采用一定的方法:可以依据词性进行辨别;可以根据词在句中反映的内容是主观的还是客观的来辨别;可以根据叙述者或说话者的主观愿望或心理取向辨别;可以把词所在的句子放在更大的语境中辨别;也可以结合历史事件来辨别。     

缺失数据下线性模型中缺失值处理方法的比较

在响应变量随机缺失的线性模型中,利用R统计软件模拟比较完全样本法、固定填补法和分数线性回归填补法得到的回归系数、响应变量均值、响应变量的分布函数、响应变量的分位数估计,并用标准误差（SE）评判其优劣.结果表明,除固定填补法外,无论采用其余哪种方法,随着样本容量的增大,评判值SE减小,样本容量越大,估计也就越精确 缺失概率的大小也影响估计的精度,缺失概率越大,相应的评判值SE越大,估计的精度也就越差 另外,在分数线性回归填补法中,J=5的结果总是比J=1的结果好,这说明随着J的增大,其估计精度也随着提高.