检索结果-南通市图书馆

作者：董可北京化工大学

学位级别：硕士

随着测序技术的发展,积累了大量的蛋白序列数据,这为大型的蛋白语言模型发展提供了必要条件。ESM(Evolutionary Scale Modeling)是一系列基于transformer的蛋白语言模型,ESM模型发展经历了很多个阶段,从最初的ESM-1b再到ESM-2,ESM模型... 详细信息

随着测序技术的发展,积累了大量的蛋白序列数据,这为大型的蛋白语言模型发展提供了必要条件。ESM(Evolutionary Scale Modeling)是一系列基于transformer的蛋白语言模型,ESM模型发展经历了很多个阶段,从最初的ESM-1b再到ESM-2,ESM模型不断的改进和发展,推动了蛋白质的结构预测和功能预测。噬菌体中的基因分为必需基因和非必需基因,对噬菌体的基因进行分类,去除其非必需基因,从而增加其DNA包装容量,装载更多有用的功能性基因,可以扩大噬菌体在生物技术领域的应用,但目前采用机器学习的方法对噬菌体必需基因进行分类,效果欠佳。ESM-2是ESM系列最新的模型,被广泛应用于蛋白质结构和功能预测以及蛋白质序列分析中,因此,本文针对必需基因分类问题,提出了一个基于ESM-2的必需基因分类模型G-ESM,以提高必需基因分类效果。SARSCoV-2跟噬菌体一样,同属于病毒,也可以采用蛋白语言分析,ESM-1v模型是一个零学习模型,在数亿蛋白质序列上训练,能捕捉到蛋白质序列突变效应,为了加深对SARS-CoV-2突变的认识,本文应用ESM-1v模型用于分析SARS-CoV-2的突变,探究突变本身以及不同谱系突变的区别。具体而言,本文的工作分为以下三个部分:(1)构建噬菌体数据集。针对当前对噬菌体有关必需基因分类的数据较为缺乏,本文根据国家生物技术中心(NCBI)的数据,构建了一个噬菌体数据集D1,包含了1007条蛋白序列。通过查阅相关文献,构建了一个基于CRISPR/Cas9的噬菌体数据集D2,包含了603种蛋白序列。(2)本文首次将蛋白语言模型应用于噬菌体必需基因分类中,提出了一个基于ESM-2的必需基因分类模型G-ESM。当前在对必需基因分类的模型中,EP-GBDT和DeepCellEss分类效果较好,本文提出的G-ESM效果更佳,其中AUC超过了其它模型。由于数据集较少,本文采用了五折交叉验证,为了进一步验证模型的性能,在人类必需基因数据集D3上进行了重复实验。本文还采用了focalloss损失函数解决了因数据集类别不均,导致训练效果较差的问题。(3)对SARS-CoV-2的突变进行统计分析并使用蛋白语言模型ESM-1v分析SARS-CoV-2突变。本文从全球流感数据共享倡议(GISAID)网站上下载了1300万条蛋白序列数据,进行统计分析发现,Omicron包含了大量的突变,占整体突变的85%,且在可突变空间较少时,依然产生了大量的新发突变。当前分析SARS-CoV-2突变仅限于突变对功能的影响,并没有探究突变的规律,本文通过将蛋白语言模型ESM-1v应用于SARSCoV-2的突变分析,代替生物实验方法,通过分析发现,Omicron谱系的突变不符合一般蛋白序列突变模式,整体突变的分数与排名趋势偏低。为进一步验证结论,本文还对模型进行微调,并采用ESM-2模型进行验证。最后通过统计SARS-CoV-2的关键突变在Omicron谱系中的比例,以对此现象进行解释。通过此发现,针对于当前Omicron谱系突变模拟,给出了一般性建议。

关键词：噬菌体必需基因蛋白语言模型严重急性呼吸综合征冠状病毒2 奥密克戎

基于稀疏矩阵恢复的scRNA-seq插补方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于稀疏矩阵恢复的scRNA-seq插补方法研究

作者：刘晓红北京化工大学

学位级别：硕士

单细胞RNA测序(single-cell RNA sequencing,scRNA-seq)技术是一种在单个细胞层面对RNA进行测序并定量基因表达谱的高通量测序技术。scRNA-seq技术在解析单个细胞基因表达、揭示细胞间异质性以及鉴定细胞亚群方面具有显著优势,并且在健... 详细信息

单细胞RNA测序(single-cell RNA sequencing,scRNA-seq)技术是一种在单个细胞层面对RNA进行测序并定量基因表达谱的高通量测序技术。scRNA-seq技术在解析单个细胞基因表达、揭示细胞间异质性以及鉴定细胞亚群方面具有显著优势,并且在健康诊断、病情监测和疾病治疗的研究中发挥着重要作用。然而,由于技术原因,scRNA-seq数据经常存在大量缺失(dropout)现象,即零值或接近零值,给下游分析带来重大挑战。为此,本文提出一种基于增广拉格朗日乘子法的scRNA-seq数据插补方法,即scIALM。本文主要研究内容如下:(1)针对scRNA-seq数据插补问题的压缩感知理论应用可行性分析。针对scRNA-seq数据表达矩阵,将一维信号的稀疏性概念拓展为矩阵空间的低秩性,即矩阵的奇异值组成的向量是稀疏的。将压缩感知理论拓展为矩阵填充理论,使得采用压缩感知理论进行scRNA-seq缺失数据恢复具有可行性。(2)提出一种基于非精确的增广拉格朗日乘子法的插补算法,用于估算scRNA-seq数据表达矩阵的缺失值。将scRNA-seq表达矩阵插补问题建模为最小化矩阵秩的问题。首先,将非凸的优化问题转化为凸问题,目的是能够求得全局最优解。然后,利用增广拉格朗日乘子法,将带有等式约束的优化问题转化为无约束的优化问题进行求解,以简化求解过程,提高效率。(3)通过实验验证scIALM方法的有效性。在四个真实数据集(PBMC、Klein、Chen和Campbell)和三个模拟数据集上,将scIALM方法与其他六种方法进行了实验比较。实验结果显示,在插补效果方面,scIALM方法优于其他方法,在均方误差(MSE)、平均绝对误差(MAE)、皮尔逊相关系数(PCC)和余弦相似度(CS)指标上均表现出色。特别是在鲁棒性方面,scIALM方法明显优于其他六种方法,即使在高达50%的dropout噪声下,scIALM方法仍能维持有效性,并且随着噪声水平的不断增加,其性能下降幅度最小,显示出极高的稳定性。

关键词：单细胞RNA测序增广拉格朗日乘子法稀疏矩阵插补 dropout插补

基于深度学习的SARS-CoV-2性质预测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的SARS-CoV-2性质预测研究

作者：王晗北京化工大学

学位级别：硕士

严重急性呼吸系统综合征冠状病毒2(severe acute respiratory syndrome coronavirus 2,SARS-CoV-2)是新型冠状病毒肺炎(Corona Virus Disease2019,COVID-19)的病原体。它通过S蛋白的受体结合域与血管紧张素转换酶2(angiotensin-converting enzyme 2,ACE2)结合侵入人体细胞。SARS-CoV-2的高度突变性导致不断产生新的病毒谱系,尤其是Omicron谱系以其快速传播速度和强感染性引发了全球公共卫生领域的广泛关注。尽管新冠疫情已被世界卫生组织宣布不再构成“国际关注的突发公共卫生事件”,但SARS-CoV-2的演化趋势仍具有不确定性。因此,继续对SARS-CoV-2进行深入的研究至关重要。本文基于大规模的SARS-CoV-2采样数据,利用深度学习技术,从基因组学、蛋白质组学和流行病学三个角度开展研究。随着疫情的进展,研究内容逐步深入,主要包括以下三个方面的工作:(1)针对快速细分SARS-CoV-2基因序列的问题,提出了一种基于混合深度学习模型的变异株分类方法SCVfilter。该方法使用了Embedding进行表征,并使用了大步长的残差网络对序列降维。实验结果表明该模型可以有效地提取高同源性长序列的深层特征并识别不同的变异株,在保证时间效率的基础上提升了分类准确率。(2)针对蛋白-功能映射关系复杂且不同数据的域偏移问题,提出了一种结合预训练语言模型和模型无关元学习框架(Model-Agnostic MetaLearning,MAML)的方法,用于SARS-Cov-2与ACE2结合亲和力预测。该模型首先通过ESM2获得蛋白序列表征,然后利用MAML在域外数据上预训练解码器,最后在新冠数据上进行微调。实验结果显示,该方法提高了SARS-CoV-2与ACE2结合亲和力预测的准确性。(3)针对SARS-CoV-2的高突变性导致谱系繁多难以预测的问题,提出了一种基于自注意机制的多模态深度学习模型,用于谱系流行度分析。该模型通过学习不同地区多谱系的时空分布趋势,结合不同突变位点对亲和力和免疫逃逸的影响,计算不同谱系之间的相互影响关系和传播强度。实验结果表明,模型能够准确预测谱系的流行趋势及峰值,并在多种新发谱系并存时预测优势谱系。本方法为将来可能出现的新的病毒变种提供了可行的参考方案。

关键词：深度学习 SARS-CoV-2 变异株分类亲和力预测谱系流行度分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于面向对象程序切片技术的耦合和内聚度量

基于面向对象程序切片技术的耦合和内聚度量

作者：华宁北京化工大学

学位级别：硕士

软件度量是保证软件质量的重要方法,一个好的度量方法会给软件工业生产带来巨大便利,同时带来不可估量的经济效益。程序切片技术是一种重要的程序分析技术,通过确定切片准则,可以计算出对此特定准则产生影响的程序代码。通过切片技术,... 详细信息

软件度量是保证软件质量的重要方法,一个好的度量方法会给软件工业生产带来巨大便利,同时带来不可估量的经济效益。程序切片技术是一种重要的程序分析技术,通过确定切片准则,可以计算出对此特定准则产生影响的程序代码。通过切片技术,可以很容易地定位人们所关心的代码部分,然后集中精力和经济进行深入研究。程序切片技术的应用领域很广,软件度量便是其中一个重要方面。本文首先对程序切片技术和软件度量技术及其在软件工程各个领域的广泛应用进行深入分析,立足于这两种技术的基本原理、方法,为后续研究奠定理论基础,同时指出这两种技术的未来发展和继续研究的方向。其次重点探讨面向对象程序切片技术。采用目前最主流的实现面向对象程序切片的技术:基于面向对象的系统依赖图,在其基础上利用图的可达性算法获得切片结果;然后引入数据切片概念,打破传统语句级别的程序切片,得到体现程序本质的基本粒度——变量和方法的集合。再次,将这种面向对象程序数据级别的切片应用到软件度量方而,设计一种度量内聚度和耦合度的方法。最后通过理论说明和实验验证两个角度,证明这种度量方法是一种较为优良的度量方法,是可行的。

关键词：程序切片软件度量内聚耦合

基于SOA的省级应急数据交换与共享系统的设计和实现研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于SOA的省级应急数据交换与共享系统的设计和实现研究

作者：郗亚东北京化工大学

学位级别：硕士

省级政府各个部门正积极建设各自的应急平台,但是由于早期没有统一的规划,各个单位或者部门的应急系统采用了不同的系统环境和实现技术,导致了“信息孤岛”的形成,异构应急平台间的数据交换成为一个新的课题。通过考察省级应急平台的现... 详细信息

省级政府各个部门正积极建设各自的应急平台,但是由于早期没有统一的规划,各个单位或者部门的应急系统采用了不同的系统环境和实现技术,导致了“信息孤岛”的形成,异构应急平台间的数据交换成为一个新的课题。通过考察省级应急平台的现状,分析了应急平台中存在的数据交换难的问题后,研究了多种数据交换模型,并在此基础上,本文提出在SOA体系架构基础上,利用web服务技术和基于消息中间件的ESB相结合的数据交换与共享架构,实现支持异构的、易于扩展的、可复用的数据交换平台,并保证了数据交换的高效性和可靠性,从而解决了各应急平台间互通互联的问题。系统以XML作为数据交换的中间介质,屏蔽了数据源格式差异,在不影响现有部门系统正常使用的前提下,实现了不同应急系统间的数据交换与共享,并且不增加原有业务系统的复杂度。文中对数据提取组件和数据传输组件进行了深入的研究,实现了异构数据源的数据本地化,并从底层实现和客户角度介绍了数据交换和共享实现的过程。

关键词：数据交换 SOA ESB

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于二代测序的基因组缺失变异综合检测策略

基于二代测序的基因组缺失变异综合检测策略

作者：管瑞北京化工大学

学位级别：硕士

近年来,二代测序技术取得长足进步,以该技术为基础的结构变异检测方法层出不穷。然而,受测序序列的低覆盖甚至无覆盖、测序误差较大、二代测序序列短等因素制约,单一地使用这些方法并不能取得很好的检测效果。本文围绕一种重要的结构变... 详细信息

近年来,二代测序技术取得长足进步,以该技术为基础的结构变异检测方法层出不穷。然而,受测序序列的低覆盖甚至无覆盖、测序误差较大、二代测序序列短等因素制约,单一地使用这些方法并不能取得很好的检测效果。本文围绕一种重要的结构变异类型——缺失变异,利用多组二代测序数据,对检测方法进行了研究,并深入分析了所获结果。本文的主要内容如下：(1)为了能够有效地评估本文所提出的综合检测策略,对缺失变异检测环境进行研究,详述了使得所产生数据尽可能接近于真实数据的仿真平台搭建方法,包括缺失变异标准集的生成、二倍体个体基因组序列的仿真以及配对末端测序的模拟。(2)提出了一种能够有机融合主流的三类结构变异检测理论的综合检测策略。该策略的执行分为两个阶段：第一阶段,以极大化检测敏感度为目的,将配对末端测序序列映射到参考序列上后做分裂比对,使该阶段所获候选集中包括尽量多的1bp级缺失;第二阶段,以极小化假发现率为目的,根据映射深度分析、分裂比对和序列对映射分析三类理论,充分利用初次映射和二次分裂比对的两次比对结果,对每一候选缺失变异提取判别其真伪的相关特征,接着使用具有高泛化性能的判别模型筛除候选集中的伪阳性结果。实验结果表明,相对于传统的分裂比对方法,所提策略不仅可以将变异断点定位到1bp解析度,还能够有效地降低假发现率,并且基本不会造成检测敏感度的损失。(3)研究了支持向量机和随机森林机器学习算法对于本文所提出综合检测策略的适用性,并且进一步分析了综合表征中的各特征在缺失变异检测过程中所发挥的作用。实验结果表明,以具有良好泛化性能的机器学习模型为判别模型,可很好地达到不以检测敏感度的损失为代价且降低假发现率的目的。此外,对综合表征中各特征的重要性研究发现,各特征对模型预测准确率的影响会随着测序序列覆盖深度的变化而发生转变。

关键词：二代测序缺失变异特征提取机器学习算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于集成卷积神经网络的肺结节检测方法研究

基于集成卷积神经网络的肺结节检测方法研究

作者：王威北京化工大学

学位级别：硕士

肺癌是当今世界危害性最高、死亡率最高、最难被治愈的重大疾病之一,比其他恶性肿瘤更让人恐惧的是一般发现得病即已是晚期。早期发现肺癌存在较高难度,如果肺癌患者在处于早期阶段即被确诊并进行相关诊疗,那么5年存活率将得到极大提升... 详细信息

肺癌是当今世界危害性最高、死亡率最高、最难被治愈的重大疾病之一,比其他恶性肿瘤更让人恐惧的是一般发现得病即已是晚期。早期发现肺癌存在较高难度,如果肺癌患者在处于早期阶段即被确诊并进行相关诊疗,那么5年存活率将得到极大提升。阅读大量患者的肺部CT图像对医生而言是一个高强度高耗时的工作,医生在阅片过程中疲劳感增强进而导致阅读图像的效率和质量下降,从而产生的误诊漏诊现象也会不断发生,这也是造成肺癌死亡率近年来位居前列的重要原因之一。计算机辅助诊断系统可以通过相关算法对肺部CT图像进行分类检测,减轻医生的工作负担的同时为肺癌的早期防治与监控提供了有力保障。传统检测方法存在需要精确分割肺结节和人工提取图像特征的弊端,利用卷积神经网络进行肺结节检测已开始普及,但是目前的检测模型多为单输入单通道的网络结构,无论网络结构多复杂层数多深只能针对某一种尺度的肺结节进行特征提取,而现实情况是肺结节本身大小各一,且作为负样本的非肺结节也在尺度上无法统一,这给单通道的网络带来极大挑战,从而影响检测准确率的进一步提升。而且,目前存在部分网络为了挖掘更多的信息会设计十分复杂的结构,在实际运行时会遇到计算瓶颈和过拟合现象,占用大量资源的同时也会影响检测效率。本文针对以上弊端,重点对于多尺度输入的集成卷积神经网络肺结节检测方法进行了深入研究。具体工作包括以下几个方面:(1)提出了一种基于XML注释文件实现对肺部感兴趣区域精确提取的方法。本文在 LIDC-IDRI(The Lung database Consortium and Image database resource Initiative)公开数据库上利用XML文件中专家的标注信息对肺结节和非肺结节进行准确提取,并通过归一化处理和数据增强构建了正负样本平衡的样本库。(2)针对传统机器学习算法识别肺结节的弊端,引入深度学习思想,搭建了卷积神经网络模型用于肺结节的分类识别,通过实验确定了Dropout比例、全连接层特征图数量、激活函数选择等重要网络参数,该算法区别于传统机器学习算法最大的优点在于模型可以自动提取图像深层特征,分类结果更加客观真实。(3)针对目前卷积神经网络单输入单通道带来的性能不足问题,引入多尺度输入方法和集成学习思想,提出了一种基于多尺度输入的集成卷积神经网络检测算法。图片输入由单输入变为多输入,网络通道由单通道变为三通道,将三个结构逐渐加深的网络的输出层融合到一起,通过投票法的的结合策略将弱分类器的结果集成得到强分类器,这样的网络结构比输入单一尺度的图片能够学习到更多肺结节的特征信息,从而提升检测性能。本文在LIDC-IDRI数据库上进行实验,识别准确率为93.0%、灵敏度为93.3%、特异度为92.7%,与当前最新的肺结节分类算法相比具有一定优势。本文将卷积神经网络模型、多尺度输入理念和集成学习思想引入肺结节检测识别实验当中,结果表明本文提出的算法能够在一定程度上帮助医生进行肺结节诊断,为肺癌的“早发现,早干预,早治疗”提供技术保障。

关键词：肺结节 CT图像卷积神经网络多尺度集成学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

分子树空间的贝叶斯推断采样算法研究

分子树空间的贝叶斯推断采样算法研究

作者：李晓鹏北京化工大学

学位级别：硕士

随着现代生物学技术的进步,分子序列数据的收集日益丰富,导致研究物种间历史关系的树状拓扑空间持续扩大。在这种情况下,基于随机游走(RWM)算法的贝叶斯推断方法面临混合速度变慢的问题日益凸显。为确保贝叶斯推断的效率和准确性,优化M... 详细信息

随着现代生物学技术的进步,分子序列数据的收集日益丰富,导致研究物种间历史关系的树状拓扑空间持续扩大。在这种情况下,基于随机游走(RWM)算法的贝叶斯推断方法面临混合速度变慢的问题日益凸显。为确保贝叶斯推断的效率和准确性,优化MCMC采样算法显得尤为重要。近年来,作为马尔可夫链蒙特卡洛(MCMC)家族中最先进的算法之一,哈密顿马尔可夫蒙特卡洛(HMC)算法在系统发育分析领域得到了初步应用。它能够减少传统MCMC算法中大量的随机游走行为,从而加快马氏链的混合速度,提高计算效率。本文深入探讨了RWM算法在分子系统发育树空间采样时所面临的局限性以及HMC方法在系统发育分析中处理多模态问题的挑战。为了克服这些问题,本文提出了一种混合路径哈密顿马尔可夫蒙特卡洛(MPHMC)方法,以提高系统发育分析的效率和准确性。在复杂的多模态发育树空间中,单一的HMC算法无法通过从其他模式中获得提议来逃离局部的高概率区域。为提升算法的健壮性,在不增加额外的计算成本情况下,算法采样路径中添加针对离散参数的非HMC更新组件,与HMC确定性更新交替进行,进而在树空间中引入了拓扑变化更大的分支重排策略,能更自由地遍历整个后验分布的树空间。在不同规模的八组经验数据集上实验证明,MPHMC方法能更好地从正确的后验分布中采样;在比较难采样的大数据集上运行时,HMC单一路径的采样算法可能会失效,而MPHMC方法能获得比使用广泛的系统发育分析工具Mrbayes(MCMC)高15%以上的采样效率提升。

关键词：系统发育分析贝叶斯推断随机游走算法树空间哈密顿马尔可夫蒙特卡洛算法多模态概率路径混合路径

基于深度卷积对抗生成网络的肺结节分类和分割方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度卷积对抗生成网络的肺结节分类和分割方法

作者：于明浩北京化工大学

学位级别：硕士

肺癌是对人们生命造成威胁最大的癌症,如果可以在肺癌早期就将其诊断出来,那么它对我们生命的威胁就大大降低。然而在实际的CT影像中,肺部会存在血管、气管、钙化点等对肺结节检测产生干扰的假阳性样本,导致检测结果较差。针对这些问题... 详细信息

肺癌是对人们生命造成威胁最大的癌症,如果可以在肺癌早期就将其诊断出来,那么它对我们生命的威胁就大大降低。然而在实际的CT影像中,肺部会存在血管、气管、钙化点等对肺结节检测产生干扰的假阳性样本,导致检测结果较差。针对这些问题,本文展开了以下工作:（1）提出了一种使用深度卷积对抗生成网络（DCGAN）进行数据生成的肺结节分类方法。针对假阳性率高、肺结节数据少等问题,我们采用DCGAN来替代传统的数据增强方法。与传统的图形学数据增强方法相比,本文方法生成的肺结节图像具有新的特征,可以提高肺结节分类器的判别能力。最终在肺结节分类的精确率、召回率和F1分数等评估指标上,能够得到99.88%、99.15%和99.55%的良好效果。（2）在使用深度卷积对抗生成网络进行数据生成的基础上,提出了一种深度高分辨率网络与对象上下文方法结合的肺结节分割方法。针对现阶段基于FCN的大部分语义分割网络存在分辨率低,上下文信息缺失的问题,高分辨率网络通过改变以往先进行卷积降低图像分辨率,后面通过反卷积或上采样来将图像恢复到高分辨率的方法来提高分辨率。对象上下文方法通过特征图像得到粗略分割图,然后根据这个粗略分割结果得到对象上下文信息。深度卷积对抗生成网络生成的图像进行数据扩增,通过扩增后的数据去训练分割网络,来解决过拟合问题。本方法在分割结果指标上得到了显著提升,取得了 92.4%的dice系数和87.9%的mIoU分数。本文提出了新的肺结节分类与分割方法,且取得较好的分类与分割效果。同时我们通过肺结节检测方法的研究,多个实验的验证,为小数据样本和数据不平衡的数据提供了一个新的可行的数据增强方法,具有较好的参考价值和现实意义。

关键词：深度卷积对抗生成网络数据生成对象上下文方法高分辨率网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于神经网络的字符识别算法研究

基于神经网络的字符识别算法研究

作者：黄承清北京化工大学

学位级别：硕士

人工神经网络是通过对人脑生物神经机理进行简化,抽象和模拟之后建立起来的一种计算模型,属于机器学习的重要研究领域。人工神经网络集成方法则通过训练多个弱学习器来构成最终的强学习器,可以更好地提高模型的学习泛化能力,具有广阔的... 详细信息

人工神经网络是通过对人脑生物神经机理进行简化,抽象和模拟之后建立起来的一种计算模型,属于机器学习的重要研究领域。人工神经网络集成方法则通过训练多个弱学习器来构成最终的强学习器,可以更好地提高模型的学习泛化能力,具有广阔的应用前景。人工神经网络可以应用于字符识别、人脸识别等领域。本文以车牌识别(License Plate Recognition, LPR)为研究背景,探讨基于神经网络的字符识别算法的应用研究。LPR是智能交通系统(Intelligent Transportation Systems, ITS)的重要研究内容,主要有车牌定位、字符分割、特征提取及字符识别等重要组成部分。车牌定位和特征提取是字符识别的先决条件,为此本文研究重点主要集中在车牌定位和字符分类器的效率改善两部分。车牌识别研究的主要难点在于车牌照图像质量较低,车牌区域比例小,待识别字符易扭曲变形,干扰噪声大等。对此,本文采用基于变尺寸窗口扫描,结合小波变换、边缘检测与线扫描方法实现多尺寸、多类型车牌的定位,克服了光照、色泽、尺寸及位置的影响,效果良好;对于倾斜的牌照,本文采用基于二值图像垂直差分的Radon变换进行倾斜车牌的校正;对于车牌字符分割,提出垂直投影与先验知识结合的变阈值分割方法,快速简单地分割出了车牌字符;在字符识别模块,分别采用改进型BP神经网络和基于权重裁剪的神经网络集成分类器进行识别,并提出采用动态自适应权重裁剪方法来提高AdaBoost的构建效率。本文提出采用动态自适应权重裁剪方法来改善AdaBoost集成分类器在大量训练数据时的时间性能,同时与传统的AdaBoost,静态权重裁剪AdaBoost和动态权重裁剪AdaBoost进行分析对比。实验结果表明,基于动态自适应权重裁剪的AdaBoost集成分类器进一步提高了学习效率,同时时间性能得到较好改善,值得进一步的研究。

关键词：车牌定位倾斜校正神经网络神经网络集成动态裁剪