神经网络方法在课程关联研究中的应用

用神经网络的自组织学习算法,对某班学生的语文、数学,英语,物理,化学这５个科目的成绩进行无导师学生,观察网络的分类结果。发现语言和数学两种课程的关联程度最低,说明它们是两门不同类型的学科,其结论对于中小学的课程设计和安排具有一定的参考价值。     

基于角点检测的图像匹配算法及其在图像拼接中的应用

研究了图像匹配与图像角点匹配之间的关系．并在此基础上提出一种基于角点检测的图像匹配算法，成功地应用于图像拼接中．该算法将角点作为图像的特征点，并通过角点值、邻域角点数、角点间距及参数一致性等4个指标对角点集进行逐级筛选，有效地剔除了不匹配的角点，保证了匹配精度，同时避免了传统算法中进行模板匹配的繁重计算，大大提高了匹配速度．图像拼接实验验证了本文算法的快速、准确和稳定的特性．     

均匀分类DHNN的分类对称性

用对称性的观点,对均匀分类网络的分类表进行深入地研究,提出把吸引子间的Ｈａｍｍｉｎｇ距离转换成欧几里德空间两个点的距离的方法,并由此建立了一个能够描述网络的吸收子间相互关系的几何图一网络的吸引子图;借助网络吸引子图的对称性可以寻找能同时存储在一个均匀分类网络中且具有相同吸引域的模式矢量集。     

基于核磁共振的代谢组学数据预处理

数据归一化是预处理中的重要组成部分,本文采用正常大鼠与I型糖尿病模型大鼠的尿液核磁共振谱图作为测试数据,研究了线归一、面归一和模归一3种数据预处理方法对代谢组学数据PCA分析结果的影响.分析结果表明,面归一预处理方法能够更好地在PC得分图上将对照组和糖尿病组的样本分开.此外,为了有选择性的去除代谢组学数据组中的噪声变量,本文引入新的参数R来评估PC得分图的分类效果,并把它引入适应度函数,设计相应的遗传算法,对代谢组学数据进行变量选择.经过变量选择后,主成分得分图上不同类别样本的可分性提高了,而且变量数大大地减少,更有利于特征代谢物的标记与识别.     

基于NMR代谢组学的脉冲序列优化

基于NMR的代谢组学的直接研究对象是样品的NMR谱,因此基于NMR的代谢组学与制谱方法息息相关,有效的水峰压制、良好的谱图相位和平整的基线对代谢组学的后续统计处理至关重要.本文分析了1HNMR制谱中的3种常用脉冲序列(NOEPR,NOEPR-CPMG,ES-CPMG)的原理及性能,并以14个Ⅱ型糖尿病患者和14个正常人的血清样品为对象,分别利用这3种脉冲序列获取样品的1H-NMR高分辨谱,结合多元统计分析方法对这3种脉冲序列进行深入的研究和比较.结果表明,ES-CPMG序列在稳定性、可重复性等方面比其它2个序列更好,更适合血清样品的制谱和分析.     

均匀分类DHNN结构的对称性

研究了经特定非线性函数剪切后能够均匀分类的ＤＨＮＮ的拓扑结构,并在欧氏空间中对它进行几何比,实验表明,几何化后的拓扑结构图具有旋转对称唾这种对称性与网络连接矩阵的置换对称性是一致的,因此,我们可以借助这种几种几何结构图来研究网络的对称性及其相关的问题。     

基于脉冲耦合神经网络的椒盐噪声图像滤波

通过对脉冲耦合神经网络(PCNN)工作机理的分析, 指出由其神经元的阈值衰减特性和网络局部链接特性所带来的神经元的点火捕获特性本身就具有很好的对椒盐噪声污染图像的噪声定位作用, 并基于此提出了一种对图像噪声进行定位、仅对噪声像素进行类中值滤波的思想, 实现了图像的强自适应滤波, 并针对随机椒盐噪声和极端椒盐噪声两种不同的噪声情况, 分别给出了相应的滤波器. 经该方法滤波的图像有无任何畸变(对非噪声像素)、模糊小(对噪声像素)的特点, 较传统的基于窗函数滤波的方法(如中值滤波法)有明显的优越性, 实验及与其他方法的比较验证了其良好的滤波性能.     

均匀对称分类DHNN吸引域的确定

根据样本优选法和等分盘法，神经网络数目N≤8的Hopfield网络具有均匀对称的输出，各吸引子对称 吸引同等数量的信号码失，即信号码矢按吸引子均匀分类。提出码矢特征矢量的观点，并讨论吸引子及其域的性质和构成。     

核磁共振波谱信号分析中的尺度缩放新算法

尺度缩放(scaling)是代谢组学数据处理中的一个重要环节,其主要目的是增强后续多元统计模型的分析能力.但目前常用的尺度缩放方法大多将尺度缩放当成一个独立的数据处理步骤,而未考虑多元统计模型的需要,使得后续的多元统计模型难以达到最优的分析能力.因此,提出一种模型自适应的数据尺度缩放算法,该算法将模型性能的代价函数写成变量缩放系数的一个函数,通过最大化代价函数来寻找最优的变量缩放系数.并且利用真实的核磁共振波谱数据对新方法进行评估,与单位方差法(unit variance,UV)、帕莱托法(Pareto)和变量稳定性法(variable stability,VAST)3种常用的尺度缩放方法进行比较.结果表明,新方法能够保留谱数据的结构信息,有效增强重要变量,抑制噪声和无关变量,提高模型的解释能力和预测能力.