基于高斯混合模型的肿瘤纯度估计

在癌症基因组学研究中,临床所得的肿瘤组织是由癌症和正常细胞组成的混合物,肿瘤不纯会对后续的数据分析产生严重影响。基于DNA甲基化的芯片数据,构造了一种简单的肿瘤纯度估计方法GmmPurify。首先借助公共正常样本,利用高斯混合模型定义了一个重要的统计量“信息贡献值”;然后筛选出具有高信息贡献值的DNA甲基化位点,构成差异甲基化位点集合;最后利用核密度方法估计肿瘤的纯度。将GmmPurify方法应用于9类肿瘤,得到的纯度估值与两类先进方法的结果高度一致。研究结果表明,在与肿瘤样本相匹配的正常样本缺失的情况下,借助公共正常样本,GmmPurify可以给出令人满意的肿瘤纯度估计。     

基于变分高斯混合模型的图像分割算法

提出了一种基于变分推断的高斯混合模型的图像分割算法. 该算法首先用贝叶斯混合高斯模型对图像的特征进行建模, 并针对模型的参数学习问题, 利用变分推断算法估计模型的参数及其后验概率; 这种方法比采样法的计算量更少, 而且能够根据图像数据自动优化混合个数, 实现了模型的自动选择. 最后, 该算法在Berkeley的自然图像集上进行的实验结果与经典的图像分割算法进行了比较, 结果表明此方法得到的图像分割结果精度较高, 具有较好的性能.     

运动目标检测中的误检测点抑制算法

减背景法是一种有效的运动目标检测方法,但在光照强度发生突然变化时,由于背景模型不能及时反映环境光线的变化,将产生大量的误检测点.因此采用改进的自适应混合高斯模型进行背景建模,并检测提取运动目标;当存在光线突变时,结合基于归一化互相关系数分析去除光线变化导致的误检测点.实验结果表明：新方法能有效地抑制光线变化,得到清晰的运动目标检测结果.     

一种新的运动自适应去隔行算法

提出基于棱边方向检测的运动自适应去隔行算法,该算法能充分利用图像序列的时间和空间上的相关信息,采用新颖的相邻场运动检测方法区分视频序列中的运动和静止部分.对于运动部分,使用改进的基于棱边方向的边沿自适应插值算法;对于静止部分,采用三点中值滤波插值算法.仿真实验表明：算法无论在画面视觉效果还是视频图像信噪比,均达到良好了效果.     

基于改进的Heaviside核函数新的目标模型追踪算法

为更好地解决前景和背景相似程度较大或目标运动较为复杂的问题,提出了基于改进的Heaviside核函数新的目标模型追踪算法.在初始帧中,使用改进的Heaviside核函数来表示目标区域,然后分别计算目标区域前景和背景元素的颜色纹理直方图特征分布,并通过前景和背景特征分布差异建立新的目标模型,它可更好地代表目标.对于候选模型,结合传统Epanechnikov核对目标模型建模,通过Bhattacharyya系数进行迭代搜索,最终收敛的位置即为下一帧的目标中心.实验结果表明:提出的算法和传统的Mean-shift算法和基于颜色纹理直方图的Mean-shift算法相比较精确度高、速度快、鲁棒性强.     

多层多分辨率的扩展高斯图像的三维模型检索方法

为了解决扩展高斯图像在三维模型特征表示上的缺陷,提出了一种多层多分辨率的三维模型特征描述方法.首先用法向主成分分析法对三维模型进行姿态校正,使得三维模型具有平移、缩放、旋转的不变性,然后将三维模型映射到多个扩展高斯球面上,统计各个高斯球面网格上的法向面积分布,并对该分布作球面调和分析得到三维模型的特征描述向量.实验结果表明该办法查全-查准率均好于基于射线的球面映射方法(radialized spheri-cal extent function,REXT),特征描述向量的维数仪为REXT的26.5%.     

基于小波变换和数学形态学的运动物体检测

提出了一种基于帧差法和小波变换相结合的运动目标检测方法,充分利用帧差法计算简单和小波变换的多尺度特性。实验表明,这种方法可以有效地从复杂自然场景的图像序列中检测出完整的运动目标。而且能够有效的抑制噪声。同时减少计算时间,满足检测的实时性要求。     

一种检测范围自适应的目标跟踪算法

为处理目标的消失重现、形变及环境变化等问题, 要求跟踪算法有一定的检测与学习能力. 针对全局检测方法因冗余检测而造成检测效率低下的问题, 在基于P-N学习的跟踪框架的基础上, 提出一种自适应生成检测范围的目标跟踪算法. 通过引入卡尔曼滤波器(Kalman filter)对目标位置、尺度以及两者的变化速度进行预估, 在检测前根据预估信息自适应生成检测范围, 提高检测效率. 在公开的CoGD数据集上进行实验, 结果证明该算法较原始算法在准确度基本不变的基础上, 速度得到显著改善.     

基于角色与目标注册元模型的语义互操作能力研究

为了促进需求模型间的语义互操作并有效评估角色与目标注册元模型为两种需求模型提供的语义互操作能力,提出了一种互操作能力评估方法.实验中以需求模型i＊和KAOS对会议安排进行建模得到需求模型实例,同时基于现有的角色与目标注册元模型以及对应的需求模型规格,通过连续两次映射,将需求模型的元素映射到角色与目标注册元模型的元类及其关联,并针对映射结果定量分析i＊模型与KAOS模型间部分语义互操作的程度.实验结果表明,该方法能有效评估需求模型间通过角色与目标注册元模型进行语义互操作的能力,并为需求模型间实现深度语义互操作提供度量支持.     

推移质运动的动力学模型

近底水充中推移质的输称属于固液二相流问题,本文针对固相推移质具有的随机和力学双重特性,通过类似分子运动论中Boltzmann方程的推导方法,建立起推移质运动的控制微分方程,其中碰撞项主要考虑推移层颗粒与床面层颗粒的碰撞效应,据此获得推移质输移问题的固液二相流模型－－动力学模型,将推移质通量与所受外力联系起来,便于揭示推移质运动的力学本质,开辟推移质理论研究的新途径。     

基于CRBM算法的时间序列预测模型研究

针对受限玻尔兹曼机（restricted Boltzmann machines,RBM）算法对时序数据预测存在抽取抽象特征向量能力较差和梯度下降能力有限的问题,基于CRBM（conditional restricted Boltzmann machines）算法以及信念网络（deep belief network,DBN）模型,构建了一种非线性的CRBM-DBN深度学习模型,并采用高斯分布处理输入特征值和对比散度抽样,用于预测时序数据.实验以浙江省近岸海域赤潮时序数据作为输入特征值,讨论该模型的深度及参数选取,并与经典的深度学习模型RBM、DAE和浅层学习中的BP神经网络进行对比,实验验证CRBM对于赤潮时序数据的预测拟合度要明显优于其他3种模型,该模型可有效用于赤潮类时序数据的趋势性预测.     

基于Duhem模型和逆模型的压电执行器精密定位及控制

为提高压电执行器的定位精度, 研究了压电执行器的Duhem模型及逆模型, 并对传统的Duhem模型进行改进, 将原有的模型分为上下2个半环, 分别进行建模. 然后采用样条曲线插值和神经网络对Duhem模型参数进行辨识, 利用辨识结果建立压电执行器的Duhem模型及逆模型, 并利用PI逆模型作为PID反馈控制的前馈环节进行复合控制, 提高压电执行器的定位精度. 结果表明: 该模型在变幅三角波电压下的输出绝对平均误差为0.0810μm, 复合控制下的输出绝对平均误差为0.0539μm, 能有效地提高压电执行器的定位精度.     

灰色系统理论和马尔柯夫链相结合的网络流量预测方法

网络流量预测是网络测量领域一项重要的内容．通过流量测量与预测,可以了解到网络之间的流量情况及其趋势,从而更好地进行网络改建和负载均衡的设计．针对各时刻网络流量时间序列的非线性和多时间尺度特性,提出了将灰色系统理论和马尔可夫链相结合的流量预测方法——灰色马尔可夫模型．该方法综合了GM预测所需原始数据少、方法简单,而马尔可夫链又具有非线性拟合能力的特点,并应用此模型对实际网络流量进行预测,结果表明了该方法是有效可行的．     

基于梯度矢量流和主动轮廓模型的海陆边界提取

利用边缘检测与主动轮廓模型组合的方法可提取海陆边界线,但易受轮廓跟踪的缺点影响.在该方法的基础上,利用边缘检测与梯度矢量流的有向力作用生成初始轮廓线,再使用主动轮廓模型对初始轮廓线进行调整,得到精确的海陆边界.实验证明该方法可简便地生成有效的初始轮廓线并准确提取海陆边界,避免使用轮廓跟踪法.该方法可利用GIS数据辅助以简化提取流程.     

基于振荡序列的灰色GM(1,1|sin)幂模型及其应用

针对现实中普遍存在的振荡序列预测问题,传统灰色模型的预测效果并不理想。为此,在现有灰色GM(1,1|sin)模型基础上,提出了GM(1,1|sin)幂模型,给出了最小二乘准则下的参数计算公式;构建了以平均模拟相对误差最小化为目标的非线性优化模型,利用粒子群优化算法求得最优参数。最后,将新模型应用于城市交通流和高新技术产品出口额模拟预测,并将预测结果与传统GM(1,1)模型、GM(1,1)幂模型和GM(1,1|sin)模型进行了比较,结果表明,新模型具有更高的模拟精度,更适合对振荡序列的预测分析。     

基于振荡序列的灰色GM(1,1|sin)幂模型及其应用

针对现实中普遍存在的振荡序列预测问题,传统灰色模型的预测效果并不理想。为此,在现有灰色GM(1,1|sin)模型基础上,提出了GM(1,1|sin)幂模型,给出了最小二乘准则下的参数计算公式;构建了以平均模拟相对误差最小化为目标的非线性优化模型,利用粒子群优化算法求得最优参数。最后,将新模型应用于城市交通流和高新技术产品出口额模拟预测,并将预测结果与传统GM(1,1)模型、GM(1,1)幂模型和GM(1,1|sin)模型进行了比较,结果表明,新模型具有更高的模拟精度,更适合对振荡序列的预测分析。     

基于双LMDI模型和情景分析的浙江省碳排放影响因素研究

浙江省低碳发展条件相对优越,可作为率先实现碳达峰和碳中和(“双碳”)的示范省份.本文采用对数平均迪氏指数分解法(LMDI),从经济活动和居民生活两方面分别考量,对浙江省2000—2019年碳排放变化量的驱动因素进行分解.通过情景分析,即浙江省分别在2060年(国家战略)和2050年(区域率先)实现“双碳”目标,对未来浙江省人均碳排放量趋势进行预测,并结合历史分解结果对两种情景下碳排放变化量的驱动因素进行分解预测.结果表明:(1)经济活动方面,人均GDP增加是碳排放的主要驱动因素(累计增量520 Mt),而单位GDP能耗降低是碳排放的主要抑制因素(累计减量210 Mt);(2)居民生活方面,人均能耗增加是碳排放的主要驱动因素(累计增量12.6 Mt),而能源结构低碳化则是主要的碳排放抑制因素(累计减量1.5 Mt);(3)为实现碳中和目标,两种情景下减排重点均是能源结构的低碳转型,但转型关键时间线有所不同;对于2060年和2050年碳中和情景的转型关键时间线分别在于2031—2045年和2036—2050年.     

基于时空地理加权回归模型的浙江省碳排放时空格局及驱动因素分析

测算并分析浙江省1995—2015年碳排放量的动态变化特征, 通过时空地理加权回归模型分析各影响因素对碳排放总量影响的时空异质性. 结果表明 (1)1995—2015年浙江省碳排放总量总体上呈上升趋势, 年均增长率为6.69%; 能源活动碳排放是浙江省碳排放的主要来源, 工业碳排放是能源活动碳排放的主要来源; 非能源活动碳排放是浙江省碳排放的次要来源, 水泥生产和水稻种植是非能源活动碳排放的主要来源; (2)浙江省碳排放重心大致落在绍兴市西南部, 浙江省碳排放重心经历了西北向—西北向—东南向—东向的转移; (3)各主成分因素对碳排放的影响方向和强度具有明显的时空异质性.