摘要：针对现存卷积神经网络对脑血管数字减影血管造影分割精度不高的问题,本文提出了一种基于U-Net的改进网络(IC-Net)。通过融合使用Inception和CAM通道注意力模块,以多种感受域提取更丰富的血管特征信息,并对特征信息进行筛选。增加7×7卷积层,通过压缩特征层分辨率的方式减少训练过程中产生的数据量。本文所提模型与U-Net、R2U-Net、Attention U-Net相比,IOU、Accuracy、F1-Score和ROC曲线下面积4项指标平均提升了1.82%、0.014%、1.19%和0.73%。结果验证了IC-Net模型明显提升了脑血管数字减影血管造影虚弱血管和血管末端的检测能力,提升了分辨伪影噪声的能力,为医生识别脑血管中产生的病变提供有力参考。

摘要：当前光电探测器故障辨识错误率高,为提升光电探测器故障辨识效果,设计了基于模式识别技术的光电探测器故障辨识方法。首先采集光电探测器状态信号,并从光电探测器状态信号中提取特征,然后利用主成分分析算法对特征进行降维处理,得到最优光电探测器状态辨识特征,最后将光电探测器状态特征作为支持向量机的输入,光电探测器状态作为支持向量机输出,通过支持向量机学习设计光电探测器状态辨识器,实验结果表明,本方法可以有效辨识光电探测器辨识故障,光电探测器故障辨识正确率超过了90%,光电探测器故障辨识时间控制在20 ms以内,为光电探测器状态分析提供了理论依据。

摘要：为解决人机系统方案评价中指标众多、权重难于确定等问题,提出一种基于降维处理的多指标人机系统方案评价方法。该方法利用投影寻踪法构造投影函数,在无需确定指标权重的情况下,按照最优投影方向将高维指标数据投影到一维,通过比较一维投影值可获得最优设计方案,实现了高维指标数据的降维处理。同时,针对最优投影方向搜寻速度较慢、全局收敛性难以保证等问题,引入实数编码加速遗传算法,以投影值的标准差与局部密度的乘积为目标函数,投影向量为优化变量,搜寻最优投影方向,可快速获得评价结果。最后,以钻机的方案评价为例,对提出的方法进行了验证。

摘要：本文介绍一种隆维措施,来替代混合离散规划中常采用的抗退化措施,实行电机的完全离散规划,同时达到节约机时的目的,在电机优化设计中具有良好的使用价值。

摘要：针对传统方法在检测离群点时常因冗余数据的干扰而导致检测用时较长、检测准确率偏低的问题,设计了基于神经网络的大规模数据集离群点检测算法.采用核主成分分析方法对大规模数据集进行降维处理,去除其中存在的冗余数据,利用神经网络在误差函数的基础上实现对离群点的检测.结果表明:该算法的检测时间始终低于0.4 min,且检测准确率始终保持在90%以上,说明该算法能够快速、准确地检测大规模数据集中的离群点.

摘要：采用目前方法提取景观空间的梯度变化特征时,无法消除噪声对特征提取产生的影响,导致方法存在抗畸变能力差、适应性差和提取精度低的问题。提出考虑异质性的景观空间梯度变化特征提取方法,对景观空间的异质性进行考虑,结合稀疏表示方法和边缘模板匹配方法获取景观空间图像,将香农信息量理论引入主成分分析方法中,对获取的景观空间图像进行降维处理。采用Haar小波变换方法对景观空间图像进行分解处理,获得高频小波稀疏和低频小波稀疏,将模糊逻辑方法引入Haar小波变换过程中,根据小波系数建立隶属度函数,计算模糊区域在模糊特征空间中的激活强度值,归一化处理激活强度值,获得景观空间的梯度变化特征。仿真结果表明,所提方法的抗畸变能力好、适应性高、提取精度高。

摘要：物联网近年来受到人们的广泛关注。伴随各种感知技术的综合应用,物联网所处理的数据量较之以往的任何网络都巨大,呈现真正意义上的海量特征,如何高效、自动、智能化地处理这些数据是物联网亟待解决的关键技术之一。提出一种基于多级数据处理的嵌入式中间件系统的体系结构,采用数据分级和分布式处理技术,实现实时信息处理的负载均衡,并提出基于最小量嵌入算法的数据降维方法,在尽可能多地保留原始信息的基础上,减少信息处理的数据量,从而提高物联网应用系统的整体效率。

摘要：在极高动态条件下,GPS(global positioning system)接收机即使采用基带信号预处理技术,也无法精确地估计载波频率.而各通道的跟踪误差会通过传统导航滤波器相互耦合,并最终导致GPS/INS(inertial navigation system)超紧组合系统的崩溃.为解决这一问题,对伪距率跟踪误差建模,并将其扩充为导航滤波器状态量.但此时扩维导航滤波器维数过高,因此又通过星间单差和两阶段Kalman滤波对该滤波器进行了降维处理,从而在不损失导航精度的前提下,大幅降低了系统的计算复杂度.最后,以某次火箭弹试射时所遥测的惯性器件输出值为基础,通过半实物仿真验证了新型导航滤波器的有效性.

摘要：通过建立基于交叉口关联度的协调控制子区划分模型,设计最佳控制子区划分方案获取流程,实现了交通信号控制子区的动态划分;针对最佳控制子区划分方案求解过程中可能面临的维数灾难问题,提出利用降维处理与遗传算法两种方法进行子区划分方案的快速寻优,并给出了一套协调控制子区快速动态划分流程.通过算例分析说明,在一定规模路网之下本文提出的控制子区快速动态划分方法将以一个较大概率搜索到次优子区划分方案,且因其计算时间可以被有效控制,因此完全能够满足控制子区划分的实时性要求,可推广应用于城市区域交通信号实时控制系统中.

摘要：针对多用户检测的特点 ,利用小波变换 ,在降维的同时对接收到的信号按用户进行了分组 ,然后对每一组信号进行多用户检测 .用户分组使得多用户检测处理的用户数减少 .这样 ,既使得多用户检测的性能得以提高 ,补偿了由于降维带来的性能损失 ,又使得有些检测算法的运算量得以降低 .仿真结果表明 ,同满维的多用户检测器相比 ,在高信噪比下 ,降维算法的性能有所下降 ,在低信噪比或用户数较多的情况下 。