SEREX方法在肿瘤相关抗原筛选中的应用

SEREX方法是筛选肿瘤抗原分子的一种方便且高效的方法。本文解释了SEREX的原理及方法,介绍了利用该方法所鉴定出来的肿瘤相关抗原,讨论了该方法的优缺点,阐述了改进的方法,最后对该方法的应用进行了展望。     

改进Monte Carlo算法在非线性方程组求解中的

借鉴数值方法中梯度方法的思想,引进了广义负梯度方向的概念,给出了一种基于广义负梯度方向的Monte Carlo方法--GGMC方法.该方法保持了Monte Carlo算法的普适性和稳定性,并改善了原方法搜索的盲目性和随机性,提高了原方法的搜索效率,缩短了计算时间.将GGMC方法用于算例,收敛速度明显提高.     

单体住宅性能的多属性分类综合评价方法

分析了现有的多指标综合评价中的一般常用方法———模糊综合评价方法中所存在的问题 ,根据ABC分类方法的思路提出了一种改进的综合评价方法 ,即多属性分类综合评价方法 ,给出了其分类方法和评价方法 ,最后对 2种方法的特点和使用范围做了对比和分析 .多属性综合评价方法克服了一般常用方法所存在的问题 ,对评价指标的重要性有显著差异的一类综合评价问题 ,此方法更合理 .     

面向Agent的软件开发方法

随着A gent技术应用领域的扩大,产生了一种新型的软件开发方法——面向A gent的软件开发方法.首先对比了面向A gent的软件开发方法和面向对象的软件开发方法.然后列举了目前多种比较常见的面向A gent的软件开发方法,并将这些方法的不同方面作了具体的比较,总结了各种方法的局限性.最后总结了面向A gent的软件开发方法的发展方向.     

建筑物的加固与抗震

近年来建筑物的加固改造发展迅速,在实践中形成了多种成熟的加固方法。文章着重介绍了几种常用的结构加固方法,并对各方法的特点进行了比较,阐述了各方法的使用条件及工艺流程;另外在加固方法的基础上介绍了国家对抗震加固构造要求及应用方法。     

土壤空间变异性研究方法

从研究方法和内容上对土壤水分空间变异性的研究做了阐述,研究了方法主要有传统的统计方法,时间序列分析方法,地统计学方法,随机模拟方法,分数维方法以及应用地理信息系统研究空间变异的方法,探讨了土壤特性空间变异性的发展及不足。     

基于变换的图像压缩方法的特性分析

讨论了数字图像中的各种数据冗余,及应用基于变换的图像压缩方法和消除这些冗余的方法,分析了各种变换压缩方法的特点及适应范围,对这些方法进行了比较,最后指出了这类方法的发展方向。     

地球物理非线性反演方法综述

由于数学算法的不同,反演方法被划分为线性反演方法和非线性反演方法。本文,我们对非线性反演方法进行了有益的探讨,并对常用的几种非线性反演方法进行了分析,评价了各种方法的优缺点和适用性。     

BJ分形图像编码

提出一种新的分形图像压缩方法,该方法综合了两种分形图像压缩方法的优点,改善了Ｂａｔｈ分形变换方法重构图像的质量,大大减少了标准分形图像压缩方法的编码时间。     

面向对象方法探讨

通过将面向对象方法与结构化方法的比较,分析了结构化方法存在的问题,剖析了面向对象方法的重要概念和基本特征,并描述了面向对象程序设计的基本过程及其存在的缺陷,最后从科学认识辨证法的角度进一步探讨了面向对象方法。     

基于卷积神经网络的低分辨雷达目标一步识别技术

现有低分辨雷达目标识别通常采用先特征提取、再进行目标分类的两步识别算法,存在识别率难以提高和方法泛化性不足的问题,因此提出了一种基于卷积神经网络(CNN)的低分辨雷达目标一步识别算法。该算法直接将采样数据作为输入,利用设计的一维CNN,通过卷积池化等操作自动获取数据深层本质特征,无需特征提取,实现对目标的一步识别。仿真实验结果表明:基于CNN的低分辨雷达目标一步识别方法的识别率较传统基于提取特征的两步识别方法提高了10.31%,识别时间较传统两步识别方法减少了0.142 s,充分证明了一步识别方法的有效性,为低分辨雷达目标识别问题提供了新的解决途径。     

基于原型匹配理论的一种模式识别方法研究

本文结合认知心理学中有关模式识别的研究成果,提出了一种新的模式识别方法——基于原型匹配理论的模式识别方法。文中方法定义一个模式识别问题由原型、结构、组合法则构成,这三要素组成原型库和知识库对被识别客体进行识别。文中探讨了基于原型匹配理论的模式识别方法的识别机理、数学模型、识别算法,并对印刷体数字字符识别问题进行了实验研究,实验结果表明文中方法的有效性。     

基于短时能量的呼吸暂停信号识别方法

呼吸暂停是一种常见的疾病,严重的呼吸暂停会导致患者猝死。针对患者需要对睡眠过程中呼吸信号进行实时监测,提出了一种基于短时能量的呼吸暂停信号识别监测方法。该方法基于患者呼吸过程的信号频域特性,先对不同的患者进行自适应鼾声特征信号建模;之后通过神经网络信号识别方法,利用建立的模型对患者的呼吸信号进行呼吸暂停判断。实验结果表明,对不同的患者进行睡眠呼吸过程进行监测时,可以识别95%的呼吸暂停信号,本方法为呼吸暂停患者的实时监测提供了一种高精度的信号识别方法。     

基于深度卷积神经网络的手写哈萨克文字母识别方法

利用卷积神经网络在图像识别方面的优势,提出了一种基于深度卷积神经网的哈萨克手写字母识别方法(DCNN-KLR),成功建立了一种哈萨克手写文字识别模型。 与传统的方法(SVM+HOG)相比,不仅训练方便、速度快,而且提高了哈萨克手写文字的识别率。在5708个数据样本上进行训练和测试,将样本分为33类和100类,正确识别率分别达到93.29%和92.38%。     

基于DCT和BP神经网络集成的人脸识别

人脸识别是模式识别和图像处理领域的研究热点和难点,尽管已提出了许多方法,然而如何在变化的环境下实时、高效地识别人脸仍是一个难题.鉴于离散余弦变换(discrete cosine transform,DCT)有较高的压缩性能和快速算法以及集成神经网络良好的泛化能力,提出了基于DCT和神经网络集成的人脸识别方法.首先用DCT提取人脸特征矢量,然后构建集成BP(back propagation)神经网络对人脸进行分类识别.在ORL(olivertti research laboratory)人脸库上的仿真实验结果表明,提出的方法取得了较快的训练和识别速度、较高的识别率,因此该方法是一种快速高效的人脸识别方法.     

基于KCCA的特征融合方法及人耳人脸多模态识别

鉴于人耳和人脸特殊的生理位置关系,本文从非打扰识别的角度出发,提出一种基于人耳人脸的多模态生物特征识别技术。首先仅采集侧面人脸图像,然后将核方法引入到典型相关分析(CCA)中,提出基于核CCA的特征融合方法,抽取两组特征矢量的非线性典型相关特征构成有效鉴别特征矢量用于识别,并应用其提取人耳人脸的关联特征进行个体的分类识别。实验结果验证了基于KCCA特征融合方法的有效性;此外,与单一的人耳或侧面人脸特征体识别比较,基于人耳和人脸融合的多模态生物特征识别性能得到提高,这为非打扰生物特征识别提供了一条有效的途径。     

基于数据集的人脸识别算法比较分析

非线性人脸识别技术已经在技术上得到了较大的进步,数据集大小对识别方法的影响成为研究热点.针对大型数据集对线性和非线性入脸识别方法有何种不同的影响等问题,先后进行了类内变化对识别方法的影响和人数对识别方法的影响的一系列实验和讨论.研究结果表明随着人数的增加,线性方法的错误识别率呈线性增长,而非线性技术的误判率基本上保持不变化.在人数增多的情况下,识别率却产生降低的情况.并指出在研究大型数据集时,非线性方法具有一定的优势.     

一个新型的电子电路图纸自动读入系统

文章介绍了一个新型的电子电路图纸自动读入系统的构成及其实现。这是一个新进研制成功的实验系统,它不同于以往的常规系统。本文扼要地介绍了其中的模式分离与图象识别技术:对于前者,着重讨论基于Freeman链码边缘跟踪技术的字符分离方法;而对于后者,文中包括二方面的内容;实现字符识别的人工神经网络方法与实现符号识别的决策树方法,最后给出系统的输出结果。     

增强LGBP融合广义平均神经网络的鲁棒人脸识别研究

针对人脸识别中由于人脸表情、姿态、尺度等变化而影响识别效果的问题,提出一种融合增强局部Gabor二值模式和广义平均神经网络方法。首先,对归一化的人脸图像进行多方向、多尺度Gabor小波滤波,将生成的Gabor幅值模式分成多个子区域;然后,利用增强局部二值模式对每个子区域进行操作形成特征向量;最后,利用广义神经网络进行识别。在ORL、FERET及LFW上的实验利用错误接受率、错误拒绝率等错误率和时间复杂度评估方法的有效性。实验结果表明,相比其它几种较新的方法,取得了更好的识别效果。     

基于多模态的贝叶斯网络疼痛识别方法

有效的疼痛管理对病人的治疗和护理至关重要,针对传统的单模态疼痛识别准确度低的问题,提出了一种基于多模态的贝叶斯网络(multimodal Bayesian network, MMBN)疼痛识别方法。首先利用互信息对多模态特征进行相关性判断,剔除冗余的特征向量,使得模型简洁;其次将多模态特征与贝叶斯网络结构的可扩展性相结合设计了一种基于多模态的BN结构,并建立疼痛识别模型;最后利用BN概率推理算法完成疼痛识别,并在UNBC-McMaster数据库上进行验证。实验结果表明：与传统基于单模态的疼痛识别方法相比较,MMBN方法利用多模态之间的信息互补性能够有效地提高疼痛识别准确度,为目前的疼痛识别与研究提供了一种新手段。