融合KFCM与改进DRLSE模型的甲状腺结节图像分割

针对超声甲状腺结节图像分割问题,提出一种融合模糊核(KFCM)聚类算法与改进距离正则化水平集演化(DRLSE)模型的分割算法,解决了DRLSE模型对初始轮廓敏感、演化参数需要人工设定及分割弱边缘能力较差的问题.该算法先利用KFCM聚类算法粗分割出结节区域并二值化作为水平集初始演化轮廓,然后利用初始演化轮廓围成的区域自动计算出水平集演化参数,最后采用高斯正则化规则演化水平集分割出甲状腺结节区域.对比实验结果表明,该算法提高了甲状腺结节的分割精度,在噪声干扰下也能准确地分割出结节区域.     

基于乘客出行价值效用函数的P&R规模预测

为解决北京停车换乘(Park and Ride,PR)设施建设规模难以确定的问题,建立了PR规模预测模型.首先从乘客出行方式的价值效用函数出发,探讨PR吸引范围;其次根据核密度函数原理分析PR乘客的出行意愿,得到PR吸引强度的分布函数;然后结合北京人口分布函数,参照出行量生成模型G-MS,探讨PR吸引人口的函数模型及规模预测函数;最后以西二旗PR为实例,验证预测规模并得出结论:距离PR停车场2km到5.5km的乘客约占PR使用者的50%,西二旗PR合理规模为488个停车位,与实际规划相差不大,同时该理论模型对北京市其他轨道交通站点的PR规模预测具有一定的指导意义.     

基于优化RBF神经网络的丝织物缝纫性能客观评价

提出了一种基于优化RBF神经网络的丝织物缝纫性能客观评价系统.该系统根据丝织物面料的FAST力学指标与缝纫性能之间的关系,运用神经网络的方法进行面料缝纫性能评价和预测,并提出了一种基于模糊核聚类的优化径向基神经网络学习算法.实验表明,该系统对一般丝型织物的缝纫平整性能评价预测具有客观、快速和高效等优点.     

非参数判别模型

提出了一类新的判别分析方法,主要思想是将非参数回归模型推广到判别分析中,形成相应的非参数判别模型.通过实例与传统判别法相比较,表明非参数判别法具有更广泛的适用性和较高的回代正确率.     

基于监督学习的核拉普拉斯特征映射分类方法

提出一种监督学习的核拉普拉斯特征映射方法(supervised kernel Laplacian eigenmap,SKLE),通过非线性核映射将样本数据投影到高维核特征空间,然后将流形结构和样本类别信息进行有效的结合后,提取嵌入在高维数据中的低维流形特征用于分类.实验表明,该方法对新样本具有泛化性,并且能有效提高分类的效能.     

Gorenstein内射模

Gorenstein内射模是Gorenstein同调代数中最基本的三大模类之一。文章利用经典同调代数中基础的方法,证明Gorenstein内射模类的性质,得到Gorenstein内射模类是内射预解子范畴的结果。     

基于混合滤波的可展天线多节点状态估计

为保证卫星可展天线精确和可靠地展开,提出一种基于混合滤波的可展天线多节点估计方法。该方法通过核粒子滤波器实现多模态概率密度的递推估计,滤波过程中采用分量迭代寻优模式使粒子向各自分量最大概率密度方向移动;并对混合参数重更新,以适应粒子寻优过程中的位置和权值变化。进一步结合可展天线模型建立自校正重要性函数,提高估计的准确性。实验表明该方法适用于天线在展开过程中的多节点状态估计。     

一类具弱奇性核Volterra积分方程的配置法求解

研究一类具弱奇性核Volterra积分方程的配置法求解.  利用压缩映射定理证明了该类方程解的存在唯一性, 构造了求解这类方程的配置算法, 并对算法进行误差分析, 数值实验结果验证了理论的正确性. 该数值方法可应用于更一般的非线性Volterra积分方程.     

正则化学习算法的误差分析

给出了一类正则化样本学习算法的误差分析. 借助于大数定律给出了样本误差, 用一种K-泛函给出了逼近误差的估计.

Abstract：

This paper proposed the error analysis on a kind of regularization learning algorithm, offered the sample error by the large number law, and provided the estimation for approximation error with a K-functional.     

样本依赖型最小平方回归学习算法的收敛速度

目的研究基于样本依赖型的范数正则化学习算法的收敛性分析。方法概率论与数理统计的方法。结果给出了一种用K-泛函表示的收敛速度。结论文中的研究表明,样本依赖型学习算法与通常的核学习算法具有相同的收敛速度。