检索结果-内蒙古大学图书馆

该文的核心内容是地震道特征提取方法及其在烃类检测中的应用研究.地震道特征提取方法研究、模式分类器研究以及气藏地质研究是该文研究的重点.此外,该文还涉及单井油藏工程问题研究,主要研究成果为:1)详细研究了FFT法、Burg法Marple法以及广义Prony法对于估计地震道频率谱、振幅谱的优缺点,在此基础上,首次将奇异值分解法用于估计地震道的频谱,由此可获得稳健的(Robust),可靠的(Reliable)、精确的(Precise)频率和振幅估计,构造出创新性的成果-RRP法;2)对当前用于地震模式识别的主要分类器,包括统计模式识别的线性判别函数和人工神经网络进行了研究;3)重点研究了控制新场气田J<,2>B+C层气藏高产能区带分布的地质因素;4)结合川西致密气藏的特点,利用人工神经网络技术,以气井生产数据为基础,预测气井的单井控制储量,为类似的地区计算单井控制储量增加了一种方法.5)使用计算机自动分析试井资料和生产数据,一般须求解病态程度高的参数估计问题.该文将具克服病态能力的奇异值分解法用于这一领域,并同时使用参数归一化技术和初值自动修正方法,构造出目前自动试井分析领域最先进的方法,理论和实际算例表明效果优越.

关键词：地震模式识别地震特征研究模式分类器神经网络储量计算自动试井分析

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的超声颈总动脉内中膜厚度测量算法的研究

基于深度学习的超声颈总动脉内中膜厚度测量算法的研究

引用

作者：孙萍天津大学

学位级别：硕士

颈动脉血管内中膜厚度（Intima-Media Thickness,IMT）是衡量动脉粥样硬化程度的重要标准之一。临床中,广泛采用超声成像技术获取颈动脉图像,一般采用人工手动标定测量IMT,该过程耗时、繁琐,且主观性强,因此提出一种基于深度学习的全自... 详细信息

颈动脉血管内中膜厚度（Intima-Media Thickness,IMT）是衡量动脉粥样硬化程度的重要标准之一。临床中,广泛采用超声成像技术获取颈动脉图像,一般采用人工手动标定测量IMT,该过程耗时、繁琐,且主观性强,因此提出一种基于深度学习的全自动、快速、准确、鲁棒性强的IMT测量算法。该算法主要分为三个步骤:首先,利用卷积神经网络（Convolutional Neural Network,CNN）识别出超声颈总动脉图像血管壁远端,进而获取包含颈动脉内膜、中膜部分的感兴趣区域（Region of Interest,ROI）。其次,基于堆栈式自编码器（Stacked Auto Encoder,SAE）构造两个不同的深度模式分类器,分别记为SAENB和SAELM,SAENB将ROI中的像素分为非边界像素和边界像素;SAELM再将后者分类为管腔-内膜边界（Lumen-Intima Interface,LII）像素和中膜-外膜边界（Media-Adventitia Interface,MAI）像素。最后,先利用分类区域的位置信息对分类结果进行粗筛选,再结合区域位置信息和面积信息对分类结果进行精细筛选,并运用最小均方误差曲线拟合原理提取最终边界,完成测量任务。本文采用塞普洛斯神经医学院提供的图像库进行颈动脉超声图像IMT测量,金标准（Ground Truth,GT）由两名专家四次测量的平均值产生,自动分割（Automatic Segmentation,AS）的测量结果依据本文所提算法产生。实验表明,利用本文所提算法,得到的GT与AS绝对误差的均值和标准差为0.0133±0.0205mm,协方差系数为0.9907,验证了本文所提算法的有效性。

关键词：超声图像内中膜厚度图像分割深度学习卷积神经网络堆栈自编码器模式分类器

来源：评论

学校读者我要写书评

暂无评论

Tabu搜索在模式识别中的应用

Tabu搜索在模式识别中的应用

引用

作者：孙广煜北京工业大学

学位级别：硕士

该文利用Tabu搜索来求解两种特征选择的问题,即在允许的分类错误率下求最小的特征集和在一定数量的特征下求能获得最小错误率的特征集.对于这两类特征选择问题,研究人员设计了目标函数和Tabu搜索的算法,分析了Tabu搜索中一些参数的作用.... 详细信息

该文利用Tabu搜索来求解两种特征选择的问题,即在允许的分类错误率下求最小的特征集和在一定数量的特征下求能获得最小错误率的特征集.对于这两类特征选择问题,研究人员设计了目标函数和Tabu搜索的算法,分析了Tabu搜索中一些参数的作用.Tabu搜索在两种特征选择问题上均给出了较好的特征子集,最好结果优于顺序前进法(SFS)、顺序后退法(SBS)、广义SFS(GSFS)、广义SBS(GSBS)、增l减r法(PTA)、遗传算法(GA)和顺序浮动前进法(SFFS),顺序浮动后退法(SFBS)等特征选择方法.论文中利用Tabu搜索求解的第二个问题是近邻分类法中参考样本模式的选择问题.近邻分类法是模式识别中的一种重要的分类方法,它简便易行的优点使这种分类方法得到了广泛的应用.该文还尝试在近邻分类时引入权系数,即为各维特征加不同的权重以放大对分类帮助大的特征在欧氏距离计算时所占的比重.在论文中用Tabu搜索实现了权系数的优化算法,并在此基础上用Tabu搜索进行训练集压缩.这一尝试在某些数据集上获得了更好的结果.该文中Tabu搜索在特征选择和近邻分类法中训练集的压缩两个问题上的成功应用表明,Tabu搜索对于组合优化问题的求解有良好的应用前景.值得今后做进一步深入的研究.

关键词： Tabu搜索特征选择近邻分类法训练集压缩模式分类器

来源：评论

学校读者我要写书评

暂无评论

脉冲耦合神经网络在图像识别中的研究与应用

脉冲耦合神经网络在图像识别中的研究与应用

引用

作者：宁雁斌中国地质大学(武汉)

学位级别：硕士

从20世纪90年代开始，由Eckhorn等对猫、猴的视觉皮层神经元脉冲串同步震荡现象的研究，进一步演化得到了哺乳动物的近似神经元模型，随着不断的深入研究建立了脉冲耦合神经网络模型(Pulse coupled neural network，PCNN)。\n 本文... 详细信息

从20世纪90年代开始，由Eckhorn等对猫、猴的视觉皮层神经元脉冲串同步震荡现象的研究，进一步演化得到了哺乳动物的近似神经元模型，随着不断的深入研究建立了脉冲耦合神经网络模型(Pulse coupled neural network，PCNN)。\n 本文主要是针对脉冲耦合神经网络的模型、参数调整以及在图像处理的中的应用展开讨论，其主要内容围绕基于PCNN的特征提取与图像识别展开研究。图像识别主要分为图像获取、预处理、特征提取、识别4个主要阶段，文中分别针对后三个阶段展开研究，并通过模拟实验实现整个过程。在预处理阶段主要是对图像进行去噪、必要的几何变换等，对于去噪，简单介绍了如均值滤波、中值滤波算法以及相应的处理结果。特征提取阶段分别探讨其在简单几何图形与复杂图形上的特征提取与识别，文中所涉及到的特征主要有特征时间序列、信息熵序列以及欧拉序列，最后结合模式分类器如最小距离分类器、BP网络模式分类器等进行下一步识别，通过模拟实验验证了其优越的特征提取能力。\n 论文的主要内容安排如下所示：\n 首先，扼要的对PCNN的研究现状、研究目的以及研究意义给予简单的描述与概括，并阐述了本文的主要工作与内容安排。\n 其次，在已有理论的研究基础之上对PCNN理论及模型给予详细的推导和介绍，重点介绍了其神经元模型的来源、工作原理以及神经元点火周期特性，同时还探讨了脉冲耦合神经网络模型在耦合与无耦合两种情况之下神经元工作原理，并结合电路理论模型来加以补充解释说明。在探讨其理论及模型的基础之上，进一步研究其在图像处理中的应用，主要围绕其在图像识别中的应用展开研究工作，详细介绍了图像的预处理、特征提取以及模式分类器的原理、算法以及模拟实验过程。\n 再次，将PCNN用于简单几何图形、人物图像的特征提取以及识别，并在前人已有的研究基础之上完善基于PCNN的图像识别系统，包括图像的获取、预处理、特征提取以及识别整个过程，并给予详细的理论介绍、实验过程以及实验结果。\n 然后，对PCNN参数的设置进行了研究与探讨，通过信息熵来确定最节迭代次数以及最佳分割阈值，从而进一步确定PCNN模型中动态阈值的时间衰减常数，并通过实验表明通过该方法确定时间衰减参数取得了不错效果。\n 最后，本文主要创新点为引入欧拉序列作为PCNN提取的特征以及在此基础之上结合PCNN与BP网络模式分类器建立识别系统，同时对本文主要工作给予简要的概括和说明，并提出下一步研究方向。

关键词：脉冲耦合神经网络 BP神经网络图像识别特征提取模式分类器

来源：评论

学校读者我要写书评

暂无评论

基于BP神经网络的足底压力信号模式分析

基于BP神经网络的足底压力信号模式分析

引用

作者：黄玉华南京大学

学位级别：硕士

帕金森病(PD)是一种常见的神经功能性疾病，多在50岁以后发病。随着社会老龄化的加剧，帕金森病的发病率、患病率及致残率均呈现增高的趋势。现阶段帕金森病的发病机理仍不很清楚，诊断帕金森病仍然依赖临床经验，尸检显示临床误诊率很... 详细信息

帕金森病(PD)是一种常见的神经功能性疾病，多在50岁以后发病。随着社会老龄化的加剧，帕金森病的发病率、患病率及致残率均呈现增高的趋势。现阶段帕金森病的发病机理仍不很清楚，诊断帕金森病仍然依赖临床经验，尸检显示临床误诊率很高。基于帕金森的步态研究是当前的热点之一，但很少有人从足底压力信号入手来研究帕金森病患者行走中的步态特点。本文从帕金森病患者和对照组步态中提取特征参数，利用双边T检验找出差异比较明显的几组参数作为模式分类器的输入，这里选用应用比较广泛的BP神经网络作为模式分类器。分析来源于Ga，Ju和Si的三组观察指标，分别包含7，9，9例正常对照以及13，11，13例帕金森患者。为定量分析帕金森病对患者步态的影响，分别在受试者的左、右脚脚底各安装了8个压力传感器，采集并记录下受试者正常行走时足底产生的压力信号。接着对采集到的左脚压力合信号波形进行特征点的检测，定位出每个步态周期中5个特征点，计算出受试者的步态长度、和一个步态周期内各个不同阶段时间长度的绝对值和相对值以及每个阶段的压力变化率，通过双边T检验与正常人的对应参数相比较。最终分析结果表明，PD患者较健康人需要更多的着地时间(t1+ t2+t3+t4)，健康人的压力变化率s1、s2、s3在t1、t2、t3三个阶段均比PD患者的压力变化率大，并且一个周期的步长也比PD患者的长。用这五个特征参数作为隐含层节点数为8的三层BP(Back Propagation)神经网络的输入，取10组数据作为训练样本，10组数据作为测试样本。最后的测试结果显示，测试误差在接受的范围之内，设计达到了初步的要求。但是由于BP神经网络存在一定缺陷，加上样本集过于集中，并且数量太少，今后的研究中还需对这些问题进行进一步改进。

关键词：帕金森病足底压力信号 BP神经网络模式分类器

来源：评论

学校读者我要写书评

暂无评论

权值与结构双确定法的RBF神经网络分类器

引用

计算技术与自动化 2014年第3期33卷 1-7页

作者：张雨浓王茹廖柏林刘锦荣林键煜中山大学信息科学与技术学院广东广州510006 吉首大学信息科学与工程学院湖南吉首416000

为了解决径向基函数(RBF)神经网络权值与结构难以确定的问题,基于权值直接确定法,及隐层神经元中心、方差、数目与神经网络性能的关系,提出一种边增边删型的网络权值与结构双确定法。在此方法基础之上,构建一种RBF神经网络分类器并探讨... 详细信息

为了解决径向基函数(RBF)神经网络权值与结构难以确定的问题,基于权值直接确定法,及隐层神经元中心、方差、数目与神经网络性能的关系,提出一种边增边删型的网络权值与结构双确定法。在此方法基础之上,构建一种RBF神经网络分类器并探讨其分类性能和抗噪能力。计算机数值实验结果验证所提出的边增边删型的权值与结构双确定法能够快速、有效地确定网络的中心、方差和网络最优的权值与结构,所构造的模式分类器具有优越的分类性能和抗噪能力。

关键词： RBF神经网络模式分类器边增边删型权值与结构双确定法抗噪性

来源：评论

学校读者我要写书评

暂无评论

心电向量图诊断系统的推理模型