基于差影技术的乳腺微钙化点检测方法

目的协助医生进行诊断,避免医生因大量阅片引起疲劳而造成误诊,提高乳腺癌早期诊断的效率和准确率。方法先对乳腺钼靶 X 线照片数字化；再对数字化的乳腺影像归一化；然后从中选取感兴趣区域；最后利用差影技术检测出微钙化点并标示于影像中。结果对于16幅(其中13幅含有微钙化)经过病理解剖确诊的乳腺钼靶片进行实验,利用本文方法共检测出14幅钙化图像。结论该方法检出率高。微钙化点定位准确,值得进一步研究。     

遗传算法在入侵检测中的应用

介绍了基于模型推理和基于模型两种入侵检测系统,提出了一种新的基于智能体技术的入侵检测系统体系结构,解决了传统集中式入侵检测系统的弊病,将任务处理和数据分布到网络各个结点上,充分利用网络资源协同完成入侵检测任务;介绍了遗传算法在该系统中的应用,因系统安全的先验知识体现在对原始数据中有价值特征属性变量集的选择上,故利用遗传算法对特征属性变量子集的选择进行优化,找到相对最优的由特征向量表示的特征属性变量集,以降低入侵检测系统的负荷。     

二维灰阶超声联合自动乳腺全容积成像技术诊断老年女性乳腺肿物的临床效能

目的探讨二维灰阶超声联合自动乳腺全容积成像技术(ABVS)诊断老年女性乳腺肿物的临床效能。方法 123例临床诊断乳腺肿物的老年女性患者行二维灰阶超声和ABVS检查,以病理结果为金标准,比较二者诊断效能及微钙化检出率。结果 ABVS诊断乳腺肿物的敏感度、特异度、准确度分别为96.43%、86.30%、91.72%,高于二维灰阶超声的77.38%、72.60%、75.16%(P0.05)。ABVS对恶性肿物的微钙化检出率为93.41%,高于二维灰阶超声的54.14%(P0.05)。结论与二维灰阶超声比较,ABVS能多方位观察老年女性患者的乳腺肿物,有较高的诊断效能。     

博弈论在邮件特征选择中的应用

特征选择在垃圾邮件过滤中起着十分重要的作用,本文分析讨论了现有邮件特征选择方法所存在的不足,并在此基础上,提出一种基于博弈论的邮件特征选择模型。该模型将博弈论应用于邮件特征选择中,以达到约减信息规模,提高垃圾邮件过滤效率的目的。在设计特征选择模型时,考虑到邮件样本自身的模糊隶属性对特征选择所产生的影响,在特征点对邮件类别的区分度定义中,通过引入由相融性度量定义的样本模糊隶属度函数,提高博弈邮件特征选择模型对实际问题的处理能力。在CDSCE语料库上的实验表明,该邮件特征选择模型的性能优于同类其他特征选择方法,验证了该邮件特征选择模型的有效性。     

音位区别特征辨析

区别特征与语音特征密切相关 ,区别特征依据于语音特征 ,没有语音特征就谈不上区别特征 ;区别特征又不等同于语音特征 ,它是对语音特征的进一步选择和概括。音位的对立表现为音位区别特征的对立 ,因而区别特征不是仅能体现语音自然属性差异的语音特征 ,对立、区别、选择、概括所起到的作用是区别特征的本质功能。区别特征制约于具体语言的系统性 ,音位的区别特征属于具体的语言或具体的方言 ,没有超语言或超方言的区别特征 ,音位理论必须保持自身体系的一贯性、彻底性和相互制约性     

聚类分析中相似性测量方法的研究

聚类是数据挖掘中的主要方法.讨论了在大多数聚类算法中的相似性测量方法,并以属性的类型作为选择相似性的标准,阐述了用于数值属性,符号属性及混合属性相似性测量方法.     

新颖的无监督特征选择方法

针对有监督特征选择方法因为需要类信息而无法应用于文本聚类的问题,提出了一种新的无监督特征选择方法:结合文档频和K-Means的特征选择方法。该方法首先使用文档频进行无监督特征初选,然后再通过在不同K-Means聚类结果上使用有监督特征选择方法来实现无监督特征选择。实验表明该方法不仅能够成功地选择出最为重要的—小部分特征,而且还能提高聚类质量。     

近岸水下扇储层三维地质建模方法比较

以胜利油田近岸水下扇储层为例,分别选择赋值相建模方法、序贯指示建模方法和多点地质统计学建模方法进行近岸水下扇储层沉积微相建模的比较研究,通过对比分析决定近岸水下扇储层建模的优选方法。从模拟结果看,赋值相建模方法建立的模型砂体连续性最好,与井连通的砂体体积较大,但无法反映出各小层内部垂向上各微相类型的空间变化情况;序贯指示建模方法建立的模型砂体连续性差,与井连通的砂体体积较小,各沉积微相类型的空间分布情况与研究区地质实际存在较大差异,分布边界的细节表征较为混乱,模拟的随机性较强;多点地质统计学建模方法建立的模型砂体连续性介于两者之间,与井连通的砂体体积适中,对于各微相类型在三维空间的分布情况和接触关系反映效果较好,可以更好地体现储层特点,对井间储层的预测可信度较高,建模结果符合研究区地质实际情况。方法比较结果为近岸水下扇储层建模方法的选择提供了依据,表明多点地质统计相模型质量较高,更适合油田开发与决策。     

双源CT冠脉血管成像评价老年2型糖尿病患者冠脉病变的临床意义

目的探讨双源CT冠脉血管成像(CTA)评价老年2型糖尿病(T2DM)患者冠脉病变的临床意义。方法选择2018年5月至2019年10月昌图县中心医院收治的老年冠心病患者237例,其中合并2型糖尿病者143例,无2型糖尿病者94例,将合并2型糖尿病者按心绞痛类型分为无典型心绞痛症状组(A组,n=41)、慢性稳定型心绞痛组(B组,n=73)和不稳定型心绞痛组(C组,n=29),所有患者均采用双源CT行冠状CTA检查,对比分析冠脉病变的特点。结果冠脉CTA结果显示,冠心病合并2型糖尿病患者多支病变、弥散性病变、钙化斑块及混合斑块的发生率与非2型糖尿病患者比较差异有统计学意义(P0.05),而二者单支病变、非钙化斑块及冠脉各支病变发生率比较差异无统计学意义(P0.05)。在2型糖尿病患者中,B组和C组多支病变与Ⅱ级和Ⅲ级病变的发生率明显高于A组(P0.05),而且C组明显高于B组(P0.05)。结论合并2型糖尿病的老年冠心病患者冠脉多支病变与弥漫性病变的发生率较高,病变以钙化斑块和混合斑块为主。双源CT冠脉CTA评价冠脉病变无创、便捷、可靠,可为临床早期干预提供客观依据,具有较高的临床应用价值。     

二元属性描写与英语语言教学

二元属性描写法是西方现代语言理论中一个被广泛应用的研究方法.将这种理论应用到语言教学中,可以使许多问题得到新的解释.二元属性描写法可以从不同角度区分音位,选择适当的语法结构和词汇,而且还可以进行语义描写.二元属性描写法在英语语言教学中有解释的简洁性和可操作性.     

多特征结合的中文垃圾邮件过滤特征选择方法研究

在中文垃圾邮件过滤系统中,基于内容过滤的Na？ve Bayes算法得到了广泛应用。本文将多种特征结合构建邮件文本向量,应用八种文本分类特征选择方法在Na？ve Bayes算法上进行实验验证,通过准确率和召回率结合的综合性能指标F1值进行性能评价,结果表明,采用类别区分词、优势率、信息增益、期望交叉熵、CHI统计和文本证据权等六种特征选择方法应用于多特征结合邮件文本向量的过滤取得了较好的垃圾邮件过滤性能,反垃圾邮件效果较好。     

分类问题中的特征选取

针对分类问题提出了一种特征选择的新算法.算法在初始化时首先任意产生几个特征集,然后被迭代多次执行,在每一次迭代过程中,用性能评估函数对所有的特征集进行评价,按照评价结果选取当前性能最优的特征集,其它所有的特征集朝着类似当前最优特征集的方向发生变化,直至完成预定的次数为止.     

一种基于小波变换特征提取的集成学习算法

将不同训练数据子集和不同特征子集相结合,提出了一种基于小波变换特征提取的集成学习算法Wavelet-Forests.先随机划分特征集,用小波变换提取特征子集的特征,再用小波系数重构特征集训练基分类器.使用公认的WEKA平台验证了Wavelet-Forests算法的性能,与经典算法Bagging,AdaBoost和Random Forest相比,本文所提算法具有良好的泛化能力.     

运用核Fisher鉴别分析和MPM分类器的入侵检测

为了提高分类器的正确率和减少训练时间,将特征提取技术与分类算法结合,提出了一种基于核Fisher鉴别分析和最小极大概率机算法的入侵检测算法。利用核Fisher鉴别分析技术提取关键特征,运用最小极大概率机对提取特征后的数据进行分类,采用离线数据集KDDCUP99进行实验。实验结果表明,该算法是可行和有效的,使分类性能和训练时间都得到了提高。     

采用非线性核支持向量机并基于基因表达数据的基因选择和分类

在基于微阵列的癌症分类中,由于变量(基因表达)较多,而实验条件较少,因此特征选择和分类方法非常重要。对于疾病诊断,分类器的性能直接影响到最终结果的准确性。本文提出一种新的基因选择和分类方法,这种方法使用基于递归特征排除(RFE)的非线性核支持向量机(SVM)。实验表明本文方法比其它线性分类方法具有更好的整体表现,如线性核支持向量机和Fisher线性判别分析方法;同样本文方法也比一些非线性分类方法更好,如采用非线性核的最小二乘支持向量机(LS-SVM)。实验除了使用测试集,还使用留一校验算法(leave-one-out)用于测试分类器的泛化性能。实验采用可通过互联网获得的AML/ALL数据集和遗传性乳腺癌数据集。     

快速的文本倾向性分类方法(英文)

提出了一种快速的文本倾向性分类方法,即采用类别空间模型描述词语对类别的倾向性,基于词的统计特征实现分类;针对倾向性分类的复杂性,在综合考虑词频、词的文本频、词的分布三种统计特征的基础上,提出一种新的二次特征提取方法:第一次特征提取,采用组合特征提取方法,除去低频词以及在各类中均匀分布的噪音词;第二次特征提取,去除类别倾向性不明显的词。实验表明该分类方法不仅具有较高的分类性能,而且运行速度快,在信息检索、信息过滤、内容安全管理等方面具有一定的实用价值。     

基于BAM的通信信号分类方法

针对密集战术通信信号的实时分选问题,提出了采用TMS320C25开发系统为预处理器,BAM/NBAM(双向联想存储器/新型双向联想存储器)为信号分类器的新型分类系统结构,并分析了信号特征及提取方法。对BAM/NBAM作为信号分类器的结构、原理、性能作了探讨。结果表明,基于BAM/NBAM的通信信号分类方法是有效的,其性能优于传统的线性分类方法。     

基于粗糙集的车牌字符特征提取方法探讨

本文介绍了一种基于粗糙集理论的优化车牌字符识别的方法。粗糙集理论是一种继神经元网络和模糊数学之后的新的处理含糊和不确定性知识的数学工具;粗糙集方法是一种具有发展潜力的智能信息处理方法。本文主要思想就是在汉字的网格特征提取过程中保持分类能力不变的前提下,通过知识约简提出了一种车牌字符网格特征选择的改进算法;它不仅找出了对识别最有效的网格特征集,而且可以大大降低图像特征空间的维数,减少工作量和无用特征干涉,从而提高了分类识别率。     

最大熵模型的事件分类

提出了一种基于最大熵模型的事件分类方法,该方法能够综合事件表述语句中的触发词信息及各类上下文特征对事件进行分类。对其中的两个关键问题:参数估计、特征模板与特征选择进行了详细论述,采用IIS算法学习模型参数,使用增量选择方法选择特征。应用该方法对人民日报语料中的职务变动、会见、恐怖袭击、法庭宣判、自然灾害五类事件进行了分类实验,结果表明,该方法的分类效果明显优于传统的分类方法。