传统的图像分割相似性度量方法,存在片面考虑图像像素值的大小,或仅考虑像素点间的距离等局限性。同时大多数图像,由于光线角度、背景干扰等原因,需用精度更高的计算方法去除噪声点。为提高图像分割算法的性能,综合考虑图像像素点的像...传统的图像分割相似性度量方法,存在片面考虑图像像素值的大小,或仅考虑像素点间的距离等局限性。同时大多数图像,由于光线角度、背景干扰等原因,需用精度更高的计算方法去除噪声点。为提高图像分割算法的性能,综合考虑图像像素点的像素值大小和像素点间的距离,提出了一种基于加权切比雪夫距离的图像分割算法(Image Segmentation based on Weighted Chebyshev Distance,ISWCD).首先将图像梯度信息和邻域信息结合使用阈值法去除噪声,从对应图像的RGB空间像素矩阵中提取特征向量,然后计算加权切比雪夫距离,从而得出相似矩阵,最终利用谱聚类实现图像分割。在BSDS300和VOC2012两个数据集上进行实验,结果表明ISWCD算法性能优于传统图像分割算法。展开更多
糖尿病是世界上常见的慢性病,及时查验和治疗非常有必要。在目前数字化背景下,将机器学习与医疗安全相结合具有重要意义。针对医院检查人群中潜在糖尿病病人遗传分类识别进行研究。由于糖尿病病人分类识别的特征值较多且密集,且本文主...糖尿病是世界上常见的慢性病,及时查验和治疗非常有必要。在目前数字化背景下,将机器学习与医疗安全相结合具有重要意义。针对医院检查人群中潜在糖尿病病人遗传分类识别进行研究。由于糖尿病病人分类识别的特征值较多且密集,且本文主要的需求是保证其识别的准确率,故在KNN算法的基础上进行改进,使用了改进的GCC-KNN模型来对其进行分类识别,通过网格搜索优化算法确定了K值的最优参数,以及将不同距离进行对比,选择了该模型的最优距离切比雪夫距离,实现了医院检查人群中潜在糖尿病病人遗传的初步划分。经过实验对比,GCC-KNN模型准确率在潜在糖尿病病人遗传分类识别中均优于其他对比模型。Diabetes is a common chronic disease in the world, so it is necessary to check and treat it in time. In the current digital context, combining machine learning with medical security is of great significance. The genetic classification and identification of potential diabetes patients in the hospital inspection population were studied. Because the feature values for classification and recognition of diabetes patients are more and more intensive, and the main demand of this paper is to ensure the accuracy of their recognition, it is improved on the basis of the KNN algorithm, using the improved GCC-KNN model to classify and recognize them, determining the optimal parameters of K value through the grid search optimization algorithm, and comparing different distances, selecting the optimal distance Chebyshev distance of this model, realizing the preliminary division of the genetics of potential diabetes patients in the hospital inspection population. Through experimental comparison, the accuracy of GCC-KNN model is superior to other comparison models in genetic classification and recognition of potential diabetes patients.展开更多
裂缝等损伤在振动时常具有变刚度的时域非线性特征,且损伤前的数据难以获取。针对此问题,通过采集检测结构各位置的加速度时间序列,建立待检测层和基层响应数据的广义自回归条件异方差(generalized autoregressive conditional heterosk...裂缝等损伤在振动时常具有变刚度的时域非线性特征,且损伤前的数据难以获取。针对此问题,通过采集检测结构各位置的加速度时间序列,建立待检测层和基层响应数据的广义自回归条件异方差(generalized autoregressive conditional heteroskedasticity in the mean,简称GARCH-M)模型,分析两模型系数的切比雪夫距离,提出了基于GARCH-M模型和切比雪夫距离的归一化损伤识别组合指标。仿真和实验结果表明:基于上述组合指标,仅利用损伤后的加速度响应数据进行损伤识别,即能够有效识别出非线性损伤层位置;相较于GARCH模型,GARCH-M模型对结构的非线性损伤加速度响应时间序列具有更好的适应性;模型计算过程简单,精度较高,在输电塔等工程结构的非线性损伤识别领域具有较好的工程应用价值。展开更多
文摘传统的图像分割相似性度量方法,存在片面考虑图像像素值的大小,或仅考虑像素点间的距离等局限性。同时大多数图像,由于光线角度、背景干扰等原因,需用精度更高的计算方法去除噪声点。为提高图像分割算法的性能,综合考虑图像像素点的像素值大小和像素点间的距离,提出了一种基于加权切比雪夫距离的图像分割算法(Image Segmentation based on Weighted Chebyshev Distance,ISWCD).首先将图像梯度信息和邻域信息结合使用阈值法去除噪声,从对应图像的RGB空间像素矩阵中提取特征向量,然后计算加权切比雪夫距离,从而得出相似矩阵,最终利用谱聚类实现图像分割。在BSDS300和VOC2012两个数据集上进行实验,结果表明ISWCD算法性能优于传统图像分割算法。
文摘糖尿病是世界上常见的慢性病,及时查验和治疗非常有必要。在目前数字化背景下,将机器学习与医疗安全相结合具有重要意义。针对医院检查人群中潜在糖尿病病人遗传分类识别进行研究。由于糖尿病病人分类识别的特征值较多且密集,且本文主要的需求是保证其识别的准确率,故在KNN算法的基础上进行改进,使用了改进的GCC-KNN模型来对其进行分类识别,通过网格搜索优化算法确定了K值的最优参数,以及将不同距离进行对比,选择了该模型的最优距离切比雪夫距离,实现了医院检查人群中潜在糖尿病病人遗传的初步划分。经过实验对比,GCC-KNN模型准确率在潜在糖尿病病人遗传分类识别中均优于其他对比模型。Diabetes is a common chronic disease in the world, so it is necessary to check and treat it in time. In the current digital context, combining machine learning with medical security is of great significance. The genetic classification and identification of potential diabetes patients in the hospital inspection population were studied. Because the feature values for classification and recognition of diabetes patients are more and more intensive, and the main demand of this paper is to ensure the accuracy of their recognition, it is improved on the basis of the KNN algorithm, using the improved GCC-KNN model to classify and recognize them, determining the optimal parameters of K value through the grid search optimization algorithm, and comparing different distances, selecting the optimal distance Chebyshev distance of this model, realizing the preliminary division of the genetics of potential diabetes patients in the hospital inspection population. Through experimental comparison, the accuracy of GCC-KNN model is superior to other comparison models in genetic classification and recognition of potential diabetes patients.
文摘裂缝等损伤在振动时常具有变刚度的时域非线性特征,且损伤前的数据难以获取。针对此问题,通过采集检测结构各位置的加速度时间序列,建立待检测层和基层响应数据的广义自回归条件异方差(generalized autoregressive conditional heteroskedasticity in the mean,简称GARCH-M)模型,分析两模型系数的切比雪夫距离,提出了基于GARCH-M模型和切比雪夫距离的归一化损伤识别组合指标。仿真和实验结果表明:基于上述组合指标,仅利用损伤后的加速度响应数据进行损伤识别,即能够有效识别出非线性损伤层位置;相较于GARCH模型,GARCH-M模型对结构的非线性损伤加速度响应时间序列具有更好的适应性;模型计算过程简单,精度较高,在输电塔等工程结构的非线性损伤识别领域具有较好的工程应用价值。
