血液白细胞计算机分类中的特征提取研究

在所建的血液白细胞自动分类ＬＥＵＫ分析系统上，对每个细胞提取了不同性质的三组共３５个特征，包括７个形状参数、１２个光密度参数和１６个纹理参数。对１２００余六类白细胞样品进行了自动分类测试。实验结果表明：若仅用形态和光密度特征，总体识别率达８０％左右，其主要误识率来自于颗粒细胞的分类。而该文提出的纹理特征弥补这一不足，使系统的总体识别率提高了十个百分点。该文重点介绍这三组特征，并就其在白细胞自动识别分类中的作用进行详细讨论。     

广西鸟类新纪录（Ⅱ）

报道在广西新发现的棕胸竹鸡（Ｂａｍｂｕｓｉｃｏｌａｆｙｔｃｈｉｉ）、短嘴金丝燕（Ｃｏｌｌｏｃａｌｉａｂｒｅｕｉｒｏｓｔｒｉｓ）、白腹幽鹛（Ｐｏｌｌｏｒｎｅｕｍａｌｂｉｖｅｎｔｒｅ）、黄眉林雀（Ｓｙｌｖｉｐａｒｕｓｍｏｄｅｓｔｕｓ）、白鹇榕江亚种（Ｌｏｐｈｕｒａｍｙｃｔｈｅｍｅｒａｒｏｎｇｊｉａｎｇｅｎｓｉｓ）和红角东北亚种（Ｏｔｕｓｓｃｏｐｓｓｔｉｃｔｏｎｏｔｕｓ）的标本的数量、性别、量衡度、采集时间、采集地点和主要形态特征。对这些鸟类的分类和分布进行了初步讨论．     

连续映射的扩充I

本文采用格论观点研究拓扑学中连续映射的扩充问题，给出陪域为局部紧的Ｔ＿２空间时连续映射扩充的充要条件，此结果包括陪域为紧空间或实数域的情况作为特例．     

衰落信道中基于累积量的QAM信号分类

针对在瑞利和莱斯慢衰落信道下的QAM信号的调制分类问题,提出一种新的基于四阶累积量的调制分类算法。归一化四阶累积量由接收QAM信号的基带信号估计出,与不同星座的理论值比较得到分类准则,其计算复杂度仅为N阶(N为样本个数)。数值仿真实验结果以及与已有方法的比较证明了理论分析的正确性和算法的实用性。     

一种衡量DFBR图像分形特性强弱的准则

在ＤＦＢＲ场理论的基础上，考虑了图像分形特性强弱的问题．依据实验中的数据的分布形式，提出了一个衡量分形特性强弱的参数——分形度及其相应的算法，并通过实验分析了它在图像分类中的应用，得到了有益的结论     

基于GIS和RS的巢湖北岸湿地分类研究

文章以SPOT-5卫星影像为源数据,借助ERDASI MAGINE和Arc/INFO软件,探讨了RS和GIS技术在湿地识别、分类及制图方面的应用;运用4种融合方法对源数据做融合处理,利用比值法融合后的图像进行计算机监督分类,实现研究区土地利用类型的分类,绘制出巢湖湿地专题图,统计各类湿地的面积;对研究区各类湿地的空间分布规律及影响其分布的因素作了简单分析,并就巢湖周边资源如何实现可持续发展提出几点建议。     

分形图像压缩的研究进展

分形图像压缩是一种具有独特优势且极有前途的数据压缩技术 ,至今未能广泛应用是由于其面临着高计算复杂度的困难。文中提出了克服这一困难的一些有效方法 ;同时 ,提出了改善重建图像视觉效果的措施 ,并探讨了分形图像编码的未来研究方向     

基于数据场联合决策图改进的GMM聚类

针对传统聚类方法在处理复杂电磁环境下的雷达信号时存在的聚类质量低、参数需要人为设置、易受孤立噪声脉冲干扰等问题, 提出一种基于数据场联合决策图改进的高斯混合模型(Gaussian mixture model, GMM)聚类算法。将数据场理论应用于数据对象密集程度的表征, 生成势能距离决策图, 进而自动实现聚类数目和中心点的选择, 最后结合GMM聚类实现对数据对象的聚类划分。仿真实验结果表明, 在脉冲到达角、脉宽、载频等参数存在较大抖动, 测量误差以及存在孤立噪声脉冲干扰和脉冲丢失时, 本文方法相较于现有典型分类方法具有更好的分选效果。     

基于IMU与sEMG混合信号的实时手势分类算法研究

为了提高表面肌电信号(surface electromyography,sEMG)的手势分类准确率,通过惯性测量单元(inertial measurement unit,IMU)与采集姿态信号与sEMG的混合信号,提出了GRUBiLSTM双层网络的实时手势分类算法。第1层门控循环单元(gated recurrent unit,GRU)利用能量组合算子特征对混合信号进行突变点检测,定位运动态数据起始点;第2层双向长短时记忆循环神经网络(Bi-directional long short term memory,BiLSTM)使用能量核相图特征对运动态混合信号进行2个方向10种手势的分类。通过离线模型优化,分类算法识别时间低于40 ms,突变点检测精度88.7%以上,手势分类准确率为85%,信息传输率(informationtranslaterate, ITR)达到89.9 bits/min,与基于机器学习的分类算法相比,在准确率与计算效率上具有优势。