Probability parametric imaging with DCE-MRI data to identify prostate cancer in the peripheral zone

To quantitatively analyze prostate dynamic contrast-enhanced magnetic resonance images (DCE-MRI), a retrospective study was carried out to construct a mathematical model to predict whether a lesion is cancerous or not. With known diagnosis of 52 regions-of-interest (10 malignant, 26 benign and 16 normal) in peripheral zone (PZ) of prostate from 18 patients undergoing needle biopsy and 8 normal volunteers, we combined feature parameters (k1, k2 and tp) from the linear-slope model with logistic regression to determine the statistical probability model. Prostate cancerous probability maps were derived using the model on each subject to examine the correlation between the model-based prediction and the known diagnosis. Compared the model prediction results of 52 regions-of-interest with the histopathologic results, the total agreement rate was 90.4%; the agreement rate was 60% for the malignant and 97.6% for the nonmalignant. The diagnostic results only referencing the probability maps by two radiologists showed a high agreement in tissue characteristics and lesion location with the combining results from other diagnostic techniques such as PSA (prostate specific antigen) level and MRS (magnetic resonance spectroscopy).     

生长曲线最小二乘估计和最佳线性无偏估计相等的几个充要条件

讨论了生长曲线未知参数的最小二乘估计与最佳线性无偏估计相等的几个充要条件,并给出了主要结论的两种不同证明     

基于RBF神经网络的自回归系统辨识模型

根据神经网络能以任意精度逼近任意非线性连续函数的特点,通过径向基函数神经网络构建非线性动态系统的辨识模型。针对该模型输入值超出径向基函数的映射区域时将导致系统辨识输出值为零的现象,提出了一种基于改进径向基函数结构的自回归系统辨识的方法,有效地消除了零现象。这使得自适应辨识模型在较大的输入向量下能够逼近实际系统的输出,从而提高了系统辨识的鲁棒性。该方法的可行性得到了仿真验证。     

主成分回归的主成分选择准则

结合回归自变量选择的Cp准则及平均残差平方和准则，讨论了利用主成分回归时如何选择主成分可在一定程度上避免人为性，提出了两个准则，以供实际应用时参考。     

对洪关于幂LCM矩阵的一个猜想的注记

一个含有n个不同正整数的集合S={xt，…，xn}称为是gcd闭的，如果S中任两个整数的最大公因子也在S中，洪绍方在2002年猜想：对于给定的一个正整数t，存在一个仅由t决定的正整数k(t)，使得当n≤k(t)时，定义在任意gcd闲集S={xt，…，xn}上的幂LCM矩阵([xi，xj]^t)是非奇异的；而当n≥k(t) 1，则存在一个gcd闭集S={xt，…，xn}，使得定义在其上的幂LCM矩阵([xi，xj]^t)奇异，洪于1999年证明了k (1)=7，在本文中，作者证明了若t≥2，则有k(t)≥8．     

地理和地形影响下我国区域的气温空间分布

不同于以往基于最小二乘的多元线性回归方法,本文将新型的第二代回归分析方法一偏最小二乘回归分析方法应用到中国区域气温空间分布的建模中．利用区域内394个气象观测站建站到2000年45年（及以上）的逐日气温资料,建立了一个简洁的年、季平均气温和地理、地形因子（包括纬度、经度、地形高程、坡度、坡向和遮蔽度）的关系模型,估算了区域地理、地形影响下气温的空间分布,并分析了这种影响的特征．结果表明,此模型具有88％的平均拟合能力,平均相关系数达到0．94,经交叉有效性检验,模型的回归效果较显著．分析表明,在多元线性回归不适用的情况下,本文基于偏最小二乘法的简单模型能够准确地再现我国实际气温的空间分布,具有一定的使用价值．     

基于最小二乘支持向量机的交通流量预测模型

城市交通流具有复杂性、时变性和随机性,实时准确的交通流量预测是实现智能交通诱导及控制的前提.综合分析交通流量影响因素的基础上,进行多路段的交通流量预测研究,提出了基于最小二乘支持向量机的交通流量预测改进模型,并应用平安大街的流量数据进行实例验证.结果表明,该模型具有学习速度快、跟踪性能好及泛化能力强等优点,在交通流预测中更具有实用性和推广性.     

最小二乘支持向量机在汽车动态系统辨识中的应用

汽车转向时动态系统参考模型对于汽车稳定性的控制有重要影响．基于最小二乘支持向量机算法,应用网络搜索和交叉验证的方法选择支持向量机参数,并将其应用于汽车转向时的非线性动态系统辨识,取得了良好的辨识效果,建立的参考模型能够较充分地描述汽车动力学行为。     

采用金字塔分解的最小二乘影像匹配算法

最小二乘（ＬＳ）算法因其高精度而在影像匹配中被广为采用,但单纯的ＬＳ算法有收敛范围小,收敛速度慢等缺点。本文袖了结合金字塔分解ＬＳ匹配算法,此算法能大大增加单纯ＬＳ算法的收敛范围,提高匹配率,而运算时间与单纯ＬＳ法基本相当,并且保持了它的高精度,实验表明,此算法的精度高,匹配率高,收敛范围大,有相当的实用价值。     

基于支持向量机的软测量模型及应用

支持向量机(Support Vector machine, 简称SVM)是一种基于结构风险最小化原理,具有很高泛化性能的学习算法.针对软测量过程中,被测系数与相关参数之间存在有较大的非线性和模糊关系,提出了一种基于支持向量机的软测量模型及算法.为小样本、非线性、高维数一类软测量问题的建模提供了一种有效的途径.通过对"纸张水分在线测量系统"应用表明,基于SVM的软测量模型及算法在测量精度和推广性能上都具有一定的优越性.