面向脑MR影像分割与偏置场修正的FCM方法

传统模糊C-均值(fuzzy C-means,FCM)算法以及结合空间信息的改进方法在分割脑磁共振(magnetic resonance,MR)影像时对噪声十分敏感,且无法消除脑MR影像中的偏置场。针对上述问题,提出一种面向脑MR影像分割与偏置场修正的FCM方法。该方法充分利用图像中的空间局部信息和非局部信息,分别构造出多局部信息模糊因子和非局部权重,在提高算法抗噪性的同时,尽可能多地保持图像细节;建立偏置场模型,以去除脑MR影像中的灰度不均匀性;将提出的多局部信息模糊因子和非局部权重嵌入到带有偏置场模型的FCM方法中,以实现噪声和偏置场条件下的脑MR影像分割。实验结果表明,与其他方法相比,所提方法对脑MR影像中的噪声具有更强的抑制能力,且能够有效消除偏置场对脑MR影像分割的影响,具有更优的分割性能。     

多电极电磁血液流速仪仿真建模研究

基于电磁流量计权函数理论,将多电极电磁测量方式应用于肢体动脉、静脉血液流速测量。通过将流动截面处划分为不同的区域,利用权函数理论重构流动截面处不同区域内的平均轴向速度值,实现对动脉、静脉血管中互为逆向流动的速度信息测量。在此基础上,通过获取不同位置的弦端电压,利用区域权函数的计算方法,确定流动截面上不同位置的权函数,进而计算流动截面处各个区域的局部轴向平均速度。三维有限元模型仿真和计算结果表明电极的位置、数量以及不同的划分方式重构结果不同,实现了速度重构并测量了局部速度分布。     

一个较精确加强型的半离散Hilbert型不等式

应用权函数的方法及Hermite Hadamard不等式, 建立一个较精确且加强型的半离散非齐次核Hilbert型不等式, 并给出该不等式具有最佳常数因子联系参数的一组等价性质及一些特殊参数不等式.      

基于用户相对权重的在线社交网络舆情传播控制模型

在线社交网络(online social networks,OSN)中舆情传播干预时机的选择对网络舆情的管控具有重要意义.通过分析用户的网络地位、社会强化效应与用户感知价值等影响网络舆情传播控制的关键因素,以研究舆情管控的合理干预时机为目的,构建了基于用户相对权重的网络舆情传播控制模型.基于该模型,针对两类OSN开展仿真研究.研究发现,网络舆情传播与信息初始传播源的网络地位密切相关;在开放式OSN中,存在与干预时机选择关系密切的关键相变点;用户活跃度随社会强化效应强度的增大而下降,随干预时机的提前而降低,并存在有效干预时机区间;"悖民意"成本是干预时机选择的重要衡量指标.并据此,提出了相应现实干预时机选择的对策建议.     

多线性极大函数在加权Morrey空间中的有界性

本文证明了多线性极大函数在加权Morrey空间中的有界性,其中权函数为Lerner等人于2009年定义的多线性矢量权。     

拟熵权模糊评判法在馆员综合素质评价中的应用

将拟熵权模糊评判法应用于图书馆员综合素质评价之中，建立了一个对于量化模糊性评价因素来说相对完善的评价体系，并结合实例利用Matlab编程实现计算机求解，为图书馆的管理与人力资源开发提供更加科学和实用的技术依据。     

基于熵权法的河南省村镇建设用地集约节约利用评价

运用熵权法对河南省各地市的村镇建设用地集约节约用地水平进行评价,揭示出全省现状村镇建设用地集约节约利用的空间分异特征,进而为村镇建设用地潜力挖掘与释放提供支撑.     

煤矿运输安全性的可拓综合评价

应用可拓学的理论与方法,结合熵理论,建立了基于熵权的可拓综合评价模型.该模型以综合关联度作为评价准则,避免了评价中的主观性.使用该方法对平顶山煤业(集团)有限责任公司一矿运输系统进行安全性评价,得出了各子系统安全性优劣的排序及安全性差异程度,同时指出了在人、机、环境等方面各子系统存在的安全问题,并提出了相应的改进对策.     

GM(1,1)模型改进算法及其应用研究

原始序列规律、一次累加生成序列光滑度及其初始值是影响GM（1,1）模型预测精度的主要原因.为了获得较高的预测精度,在原有改善序列光滑度方法的基础上,给出一种基于加权和最小平均相对误差的灰色改进算法.该改进算法不但能够提高拟合及预测精度,而且拓展了传统GM（1,1）预测模型的适用范围.将传统方法与改进算法应用于实际设备故障诊断和寿命预测,结果表明,改进算法对于机械设备的预知维修具有较好的参考价值.     

基于自适应特征融合的均值迁移目标跟踪

提出了一种基于自适应多特征融合的目标跟踪算法.分别利用RGB颜色和LBP纹理特征建立目标模型,通过线性加权将两类目标子特征模型代入目标相似性函数并用均值迁移算法进行目标位置优化计算.在跟踪过程中,引入S igmoid函数动态调整两类子特征权重,并利用子特征相关系数和可靠性指数对目标特征模型选择性自适应更新.实验结果表明,该算法能在跟踪场景和目标外观变化时自适应调整两种子特征权重,避免了特征失效导致的跟踪失败;特征模型选择性更新策略有效抑制了模型漂移.与单一特征和模型直接更新的跟踪方法相比,该算法在复杂跟踪环境更具有鲁棒性,能进行准确稳定的实时跟踪.