检索结果-南通市图书馆

基于机器学习的离心式冷水机组故障检测与诊断

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于机器学习的离心式冷水机组故障检测与诊断

作者：王玥广西大学

学位级别：硕士

在工业化进程中取得最长的机器生命周期和最少的操作维护费用,是主动维修所要达到的目标,也是故障诊断专家系统产生的原因。国内外智能故障诊断中通常存在着知识获取瓶颈问题,目前多采用机器学习方法来解决。机器学习各种方法自提出以来... 详细信息

在工业化进程中取得最长的机器生命周期和最少的操作维护费用,是主动维修所要达到的目标,也是故障诊断专家系统产生的原因。国内外智能故障诊断中通常存在着知识获取瓶颈问题,目前多采用机器学习方法来解决。机器学习各种方法自提出以来,在设备故障诊断、医疗决策支持、网络故障排除等专家系统方面都有了较好的应用。机器学习是21世纪人工智能领域最受瞩目的子方向之一,随着现代社会的智能化需求越来越高,在一些数据较为充足的工业领域,推广机器学习在故障检测与诊断方向的研究与应用迫在眉睫。机器学习的普及是人工智能概念落入实处的第一步。在暖通领域中,离心式冷水机组是最为常用的主机形式,其结构复杂、维修困难,因而在该问题上应用机器学习模型十分值得探讨。本文阐述了离心式冷水机组故障诊断技术的国内外发展历史和研究现状,同时比较了几种主要故障诊断方法的优缺点;基于离心式冷水机组出现频率最高的7种故障,分析故障发生时各参数之间的耦合关系,挑选出了最能代表冷水机组故障特征的8个特征向量建立了基于神经网络的机器学习系统。从ASHRAE RP-1043中归纳提取出了 12557组实验数据,以6:2:2的比例分为训练集(training set)、交叉验证集(cv set)和测试集(test set),用训练集拟合得到BP神经网络的权重和阈值,用交叉验证集选择模型,并用测试集测试BP神经网络的诊断效果。最后用小波变换给输入特征去噪,使神经网络达到更高的精度。对于实际运行工况中故障样本极少的情况,本文建立了基于多元高斯分布的异常检测系统,用F1指数合并分类正确率来检验系统的好坏。

关键词：机器学习离心式冷水机组 BP神经网络小波去噪多元高斯分布

面向物联网时序数据分析与应用的深度学习框架研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向物联网时序数据分析与应用的深度学习框架研究

作者：江中凯湖南大学

学位级别：硕士

随着物联网技术的发展,越来越多的传感器出现在日常生活和工业领域中,海量传感器产生的时间序列数据具有动态性、异构性、大规模性以及时间依赖性等特点,增加了在不同物联网应用中的决策的艰难性。对物联网时序数据进行分析时,需要综合... 详细信息

随着物联网技术的发展,越来越多的传感器出现在日常生活和工业领域中,海量传感器产生的时间序列数据具有动态性、异构性、大规模性以及时间依赖性等特点,增加了在不同物联网应用中的决策的艰难性。对物联网时序数据进行分析时,需要综合考虑多种类型的传感器数据来提升时序数据预测性能。同时,对物联网中传感器产生的大量数据存在的异常进行检测,也是亟需解决的问题,通过对物联网时序数据进行异常检测,可以降低异常造成的损失。针对上述问题,本文首先提出了基于增强型的长短时记忆网络的注意力预测模型。通过对长短时记忆网络(long short-term memory,LSTM)进行改造,使其更加有效的捕捉时序数据之间的依赖性。同时,为了充分发挥注意力机制提取多维特征的优势,该预测模型在编码阶段对物联网时序数据多维特征进行权重分配来提取最相关特征,在解码阶段对一个时间窗口内的隐藏单元状态进行权重分配来提取最相关的隐藏单元状态。本文使用SML2010数据集、土壤数据集以及电力数据集来验证模型的回归性能,使用均方根误差、平均绝对值误差和确定系数三个回归评估指标来分析结果。实验结果显示,本文提出的预测模型在三种数据集上的各项指标结果都是优于现有的基本模型的,表明该模型是真实有效的。为了解决物联网时序数据异常检测的问题,本文提出了一种基于多元高斯分布的投票法异常检测模型。该模型主要是在第一部分的基础上进行的结构扩展,利用第一部分的预测结果和真实值来构建残差数据集,使用验证集残差数据集来构建多元高斯分布模型,然后使用多元高斯分布模型来计算测试集残差数据集中的每个数据的异常得分情况。本文为了避免单模型出现误判的现象,使用集成学习中的投票法来综合考虑多个多元高斯分布模型的结果,修正单模型出现的预测偏差。本文使用土壤数据集和电力数据集来验证异常检测模型的分类性能,使用精准率、召回率和F分数三个分类指标来对检测性能进行评估。实验结果显示,本文提出的异常检测模型在两个数据集上的各项指标结果都是优于现有的基本模型,表明异常检测模型是真实有效的。最后,为了更好的解决上述提到的问题以及促进网络边缘的物联网计算,本文将上述两部分以及对数据的处理部分整合在一起,提出了一种面向物联网时序数据分析与处理的增强型LSTM框架。

关键词：增强型长短时记忆网络注意力机制异常检测投票法多元高斯分布

基于核函数的最大后验概率的分类方法的研究及其应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于核函数的最大后验概率的分类方法的研究及其应用

作者：张如艳江南大学

学位级别：硕士

模式识别是人工智能领域的一个重要分支,它是伴随着信息化、科技化的发展而逐步形成的一门学科,在多种场合有着重要应用。模式识别的本质要求就是根据算法完成分类功能。从分类的对象上,分类包括人脸分类和文本分类等。人脸识别技术作... 详细信息

模式识别是人工智能领域的一个重要分支,它是伴随着信息化、科技化的发展而逐步形成的一门学科,在多种场合有着重要应用。模式识别的本质要求就是根据算法完成分类功能。从分类的对象上,分类包括人脸分类和文本分类等。人脸识别技术作为模式识别技术中研究时间长、技术比较成熟的一项,多年来,一直是众多学者研究的热点。以前关于人脸识别技术的研究多数集中在线性识别方法以及对其改进的算法上,取得的效果并不是特别理想。近年来,统计理论和核函数的快速发展极大地促进了人脸识别技术的向前推进,将人脸识别方法定位到统计学中,并在此基础上展开研究。文本分类中的待研究对象通常以显式形式表示,与人脸识别相比,比较简单。分类技术作为模式识别技术中的基础技术,其应用需求广泛,因此,研究分类算法具有重大意义。本文的研究目的是在分析多分类方法的基础上,提出能够更好的适应样本数据分布特性的新的多分类方法。文中首先阐述了多分类方法的基本理论,指出特征抽取技术对于信息提炼的重要性,其次,针对线性分类方法无法处理样本数据线性不可分情况,引入核函数概念,阐述基于核函数的分类方法理论,最后,提出依据概率密度函数分布情况设计分类器的方法。重点在于:（一）分析非参数估计法中的Parzen窗估计法,提出Parzen窗估计下,基于核函数的最大后验概率分类方法PKMAP,详细阐述了该算法理论以及对于小样本数据的概率密度函数估计的准确性,同时指出其在时间复杂度上的缺点;（二）分析参数估计法中的多元t分布情况,并将其余贝叶斯理论以及核函数相结合,提出多元t分布下基于核函数的最大后验概率多分类方法TKMAP,并在文本数据集和人脸数据集中验证种算法的实验性能;（三）将TKMAP方法用于含重尾噪声点的人脸图像中。在人脸图像中加入五种类型的重尾噪声,以验证TKMAP方法对于重尾噪声的抗噪能力。本文不仅对分类算法理论和原理做了比较系统和详细的阐述,而且通过在国际文本数据集UCI和人脸数据集Yale和Umist、ORL和BioID上进行了算法验证。UCI数据集和人脸数据集中的实验结果表明,本文提出的方法具有可行性和有效性。

关键词：人脸识别特征提取核函数 Parzen窗多元高斯分布多元t分布高斯噪声重尾噪声

基于多元指标融合与对数修正的微网电能质量评估与应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多元指标融合与对数修正的微网电能质量评估与应用研究

作者：苏刚北方民族大学

学位级别：硕士

随着可再生能源技术的发展,微网得到了越来越多的关注与研究。对微网进行电能质量评估及应用研究可为微网的稳定与经济运行提供重要支撑,同时对微网管理提供科学参考。因此,如何合理融合微网电能质量各项评估指标,优化微网电能质量评估... 详细信息

随着可再生能源技术的发展,微网得到了越来越多的关注与研究。对微网进行电能质量评估及应用研究可为微网的稳定与经济运行提供重要支撑,同时对微网管理提供科学参考。因此,如何合理融合微网电能质量各项评估指标,优化微网电能质量评估方法并应用于微网的电能质量治理中,尚需进一步展开研究。如今,电能质量评估及其应用研究已取得一定成果,并在一定程度上解决微网电能质量问题。但其在评估指标融合、评估模型优化以及评估结果应用方面尚需进一步展开研究。诸如:第一,如何在传统方法的基础上,发掘指标之间隐含信息将多个评估指标融合成一个整体,从而对微网电能质量进行评估,尚待进一步研究。第二,如何合理分配主客观权重,以及考虑综合权重会受到偏离程度较大的单个权重影响,还需进一步研究。第三,当微网电能质量评估结果确定后,如何运用微网电能质量评估结果,对微网电能质量进行针对治理,尚待进一步研究。综上所述,本文对上述问题逐步展开研究:首先,针对传统客观赋权法中,仅分析单个评估指标对电能质量的影响确定权重,而没有考虑多个指标共同影响下对微网电能质量评估的情况,本文提出了一种基于多元高斯分布结合局部灵敏度分析的微网电能质量评估模型。该方法引入多元高斯分布,利用其概率密度函数将各评估指标以函数形式统一起来构建评估模型,解决了在传统评估客观方法中仅分析单个评估指标进行电能质量评估的问题,以及未能充分考虑指标之间互相影响下,造成评估结果不符合实际微网中电能质量问题的情况。并采用局部灵敏度分析,实现了多元高斯分布评估模型与指标权重的融合,解决了传统客观评估方法得到的权重值中未包含指标之间的内在联系的问题。在确定指标权重后,引入概率统计量化方法,将其与评估得到的指标权重相结合,从而得到最终的评估量化结果。该方法能够针对微网电能质量进行合理评估。其次,由于客观赋权法未考虑到专家经验以及用户需求。因此,在客观赋权法基础上引入主观赋权法,融合二者形成综合赋权法。但现有的综合赋权法存在综合权重易受到偏离程度较大权重的影响,因此在上述本文所提客观赋权法的基础上,引入主观层次分析法(Analytic Hierarchy Process,简称AHP)赋权法,提出了一种基于对数修正的微网电能质量综合评估方法。该方法利用改进的AHP主观赋权法和本文提出的多元高斯分布与局部灵敏度客观赋权法,分别确定各评估指标的主、客观权重,并利用最小信息鉴别法得到综合权重,解决了传统综合评估方法中主、客观权重分配不合理的问题;并引入对数修正法对得到的综合权重进行修正,解决了传统综合评估方法中,当某一单个权重结果偏离程度较大时,导致综合权重会向着偏离程度较大的权重偏移,从而导致评估结果不符合实际情况的问题。然后,本文所提出的微网电能质量综合评估方法应用于微网电能质量治理策略研究中,以本文微网电能质量评估方法为基础,提出一种基于多智能体一致性与哈希算法的微网电能质量治理策略,针对微网电能质量问题,协同控制微网内多个电力电子变流器,实现对微网电能质量的治理。最后,算例验证果表明了本文所提微网电能质量评估方法可对微网电能质量进行合理的量化评估,而所提微网电能治理策略能够有效的对微网电能质量问题进行治理,采取治理措施后,微网电能质量量化评估得分从3.382分提高至7.7分,电能质量得到了有效改善。

关键词：微网电能治理评估对数修正多元高斯分布局部灵敏度

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

复杂网络上病毒传播溯源算法研究

复杂网络上病毒传播溯源算法研究

作者：秦波南京理工大学

学位级别：硕士

复杂网络中存在各种各样的有害传播过程,例如谣言传播、病毒传播、故障传播等。如果我们能及时定位传播的源头,便可以采取更有效的防控或免疫策略。近年来,复杂网络传播过程中的溯源问题引起越来越多研究者的关注,已取得了一些研究进展... 详细信息

复杂网络中存在各种各样的有害传播过程,例如谣言传播、病毒传播、故障传播等。如果我们能及时定位传播的源头,便可以采取更有效的防控或免疫策略。近年来,复杂网络传播过程中的溯源问题引起越来越多研究者的关注,已取得了一些研究进展,但仍有许多理论问题亟待解决。本文借助于网络科学、概率统计和进化计算等领域中的理论工具,对复杂网络传播过程中的溯源问题开展了以下研究:（1）提出了一种基于随机游走的多源头溯源算法。我们考虑不同的源头节点感染终端节点的先验概率不同,并使用单步转移概率矩阵和首次到达时间两种方法去近似该先验概率,在此基础上推导出多个源头节点的估计量。我们分别在复杂网络模型和真实网络上对算法预测效果进行了测试,实验结果表明,当网络较为稀疏或异质性较强时,算法往往能较为准确地识别多个源头,错误距离较小。同时,我们也发现在溯源准确率方面,基于首次到达时间的近似方法往往优于基于单步转移概率矩阵的近似方法。（2）提出了一种基于多元高斯分布的多层网络溯源算法。首先,针对树形多层网络,我们提出了基于多元高斯分布的溯源算法。其次,我们使用最短路径树来近似扩散生成树,并将上述溯源算法推广到一般的多层网络。最后,我们研究了网络拓扑结构和病毒的传播时延分布对算法准确率的影响。实验结果表明,在多种参数条件下,我们提出的多层网络溯源算法均可以达到较高的溯源准确率。（3）研究了基于多元高斯分布的溯源算法中观察节点选址问题。在使用该溯源算法寻找源头节点时,我们采用了两种策略来筛选观察节点:一是使用基于节点中心性的方法来选择观察节点,二是使用粒子群算法来优化观察节点集合的整体覆盖率,从而筛选出最优观察节点集合。结果表明,基于K-壳中心性的选址策略优于其他中心性的选址策略,而基于优化覆盖率的选址策略在相对均匀的网络中有较好的效果。

关键词：复杂网络溯源算法随机游走多元高斯分布选址策略

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全色/多光谱融合影像质量评价研究

全色/多光谱融合影像质量评价研究

作者：包科迪宁波大学

学位级别：硕士

随着遥感卫星技术的高速发展,遥感在农业、林业、军事、环境等多个领域发挥着越来越至关重要的作用。虽然高分辨率的遥感卫星数量不断增加,但是受卫星传感器天然的硬件限制,遥感卫星所能获取的影像无法同时兼得较高的空间分辨率和光谱... 详细信息

随着遥感卫星技术的高速发展,遥感在农业、林业、军事、环境等多个领域发挥着越来越至关重要的作用。虽然高分辨率的遥感卫星数量不断增加,但是受卫星传感器天然的硬件限制,遥感卫星所能获取的影像无法同时兼得较高的空间分辨率和光谱分辨率,全色影像空间分辨率较高但只有一个波段,多光谱影像光谱分辨率较高但空间分辨率低,基于此,可以互补全色影像和多光谱影像之间空、谱优势的全色/多光谱融合技术得以快速发展。四十年来,已经发展了大量融合方法,如何去评价这些不同的融合方法是一个关键问题,同时由于全色/多光谱融合影像没有真实的参考影像,在客观评价方法的设计过程中一直饱受争议。因此本学位论文针对全色/多光谱融合影像的质量评价方法展开研究,从知识驱动和数据驱动两方面入手,建立有效的客观评价方法,论文主要内容包括:(1)提出了一种基于离线多元高斯分布模型的全色/多光谱融合影像无参考评价方法。针对全色/多光谱融合影像没有真实参考影像的问题,构建了一种无参考评价策略,首先选择高质量的多光谱影像作为基准数据集,影像分块处理后对那些具有较高方差值的子图像进行特征提取,以提高方法的鲁棒性。分别提取空间特征和光谱特征,并将特征矩阵拟合成基准多元高斯分布模型。对测试影像同样进行分块、特征提取、模型拟合等操作得到测试多元高斯分布模型,两个分布模型之间的相对距离被计算为影像质量。实验结果表明,所提出的方法性能优于常用的客观评价方法。(2)提出了一种基于在线多元高斯分布模型的全色/多光谱融合影像无参考评价方法。针对离线评价方法训练时间成本大、无法实时评价、跨库表现差、难以推广等问题,拓展了一种在线评价方法,此评价方法更具有应用意义,不再从多光谱影像提取空间特征,改为从全色影像提取空间特征、从多光谱影像提取光谱特征,并从依托于数据库训练的方式改为在线模型构建,实时得出质量评价结果,时间成本得到大量的降低。实验结果表明,该方法性能优于常用的评价方法,并且该方法可以推广至高光谱影像评价、不同带宽融合影像质量评价等其他遥感影像评价领域,应用更加广泛。(3)提出了一种基于多流神经网络的全色/多光谱融合影像无参考评价方法。针对传统客观评价模型在构建中往往需要先验知识,无法直接得到影像与人眼主观评分之间关系的问题,构建了基于深度学习的网络评价模型。每个网络都包含了特征提取层、特征融合层、特征回归层。整个网络分别预测融合影像的空间质量、光谱质量和综合质量,在训练综合评价模型时,冻结并加载空间预测模型和光谱预测模型中的特征提取层参数,综合评价模型的反向传播只迭代至特征回归层,以提高综合评价模型训练的收敛速度和评价预测精度。实验表明,该方法相较于传统的评价方法具有一定优越性。

关键词：全色/多光谱融合质量评价多元高斯分布深度学习多流网络

基于多光谱遥感影像的城市河道水体异常检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多光谱遥感影像的城市河道水体异常检测方法研究

作者：何思佳浙江大学

学位级别：硕士

近年来,城市水环境问题越来越受到重视。对城市河道水体水质开展长效管理、有效监测和综合治理,具有重要意义。除了使用河道水质监测站对河道水质进行监测之外,利用卫星遥感影像资料对城市河道大范围水质时空分布状况及水体异常进行监... 详细信息

近年来,城市水环境问题越来越受到重视。对城市河道水体水质开展长效管理、有效监测和综合治理,具有重要意义。除了使用河道水质监测站对河道水质进行监测之外,利用卫星遥感影像资料对城市河道大范围水质时空分布状况及水体异常进行监测、分析和报警,是人工检测和监测站监测的有益补充。本学位论文借助多光谱遥感监测范围大、地面分辨率较高等特点,开展了基于多光谱遥感影像的城市河道水体异常检测方法研究,旨在利用卫星影像信息,从空间、时间尺度上,研判出河道水体岸线变化、水质在多光谱影像中有表现的异常,为城市河道管理部门提供信息支持。论文着重研究了城市河道的水体(水域)提取、两时相岸线变化检测、水质空间异常检测以及两时相影像水质异常变化检测等相关问题,对河道岸线变化、在多光谱上有体现的泥沙污染及黑臭废水污染等综合水质异常进行了检测分析与验证。论文的主要工作和创新点如下:(1)研究了适用于多光谱遥感影像的城市河道水体(水域)提取及两时相岸线变化检测方法。在进行水体遥感检测数据定标、校正、影像融合等预处理之后,利用目标河道地理位置相对固定等先验知识,研究了应用水体指数法计算归一化差异水体指数、从遥感影像中辨别水域和背景物,以及应用区域生长法进行遥感影像分割与相似度匹配的河道水体提取与岸线配准技术。应用该技术,对目标河道的简略位置矢量对应像元进行筛选、确定种子点,根据水体指数建立区域生长准则,使用区域生长法提取水体信息,并利用两时相影像进行岸线配准及岸线变化检测。(2)研究了空间尺度上的城市河道水质异常检测方法。论文基于河道水质异常的空间局部特性(在多光谱影像上呈现出与周围水域不同表现的特性),提出了将基于多元高斯分布的双阈值异常检测算法与二维滑动窗结合使用以检测水质空间异常的方法。该方法在确定初始训练集后,使用水质正常区域的多波段多光谱数据构建多元高斯分布模型,实现对邻近区域的水质异常检测,使用二维滑动窗实现对空间中不同位置的检测并对训练集进行动态更新。论文使用高分二号多光谱遥感影像进行检测实验,以验证利用多波段光谱信息进行某些废水直排、泥沙泛起等异常检测的有效性。(3)研究了使用两时相遥感影像进行城市河道水质异常变化检测的方法,以检测出目标水域出现的新变化。考虑到基于单时相遥感影像的水质空间异常检测方法可能会将实际河道中固有的水质空间分布差异检测为异常,且难以发现河道中大范围的水质异常变化,论文提出了基于两时相遥感影像的城市河道水质异常检测方法,重点关注时间上水质发生的异常变化,与空间尺度上的水质异常检测方法互为补充。该方法首先利用主成分分析法能够集中信息、独立成分分析法可以消除数据间的高阶相关并实现信号分离的特性,结合使用两种方法提取两时相影像中的不变背景区域,然后基于两时相影像相同波段间的线性相关关系,使用不变背景区域的光谱数据建立线性回归模型,对待检测影像进行校正,最后利用校正后的残差影像的统计特性,结合阈值法检测目标水域的影像多光谱特性变化以及水质异常变化,并开展了实验验证。综上,本文主要围绕基于多光谱遥感影像的城市河道水体异常检测方法开展工作,重点研究了多光谱影像数据预处理、目标水体提取、水质空间异常检测、水体不同时相变化检测等技术,探讨了将高分辨率多光谱遥感影像用于城市河道水体异常检测、助推城市河道长效化监测管理的新思路。文中使用到的遥感数据来源于中国资源卫星应用中心的高分二号卫星,相关工作得到了遥感技术研究院的大力支持。

关键词：多光谱遥感水体提取异常检测多元高斯分布两时相影像

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多元时序数据的系统状态感知设计与实现

基于多元时序数据的系统状态感知设计与实现

作者：高焕博大连理工大学

学位级别：硕士

状态感知是一个重要的研究领域。实时准确地检测出系统与数据中的异常可以为系统的监控、灾难的预防、入侵检测等提供重要帮助。而数据在多数领域中都以时间序列的形式进行传输,因此,能够检测出时间序列数据中的异常非常重要。近年来,... 详细信息

状态感知是一个重要的研究领域。实时准确地检测出系统与数据中的异常可以为系统的监控、灾难的预防、入侵检测等提供重要帮助。而数据在多数领域中都以时间序列的形式进行传输,因此,能够检测出时间序列数据中的异常非常重要。近年来,随着大数据科学与机器学习技术的发展,数据的维度与量级显著增加,传统的单维度时间序列状态感知无法满足当前数据样本的需求,若直接将其移植到多维度领域,则通常无法同时保持算法的准确性与实时性。因此,亟待专门针对多维度时间序列数据设计状态感知算法。基于此,本文提出了基于长短期记忆网络LSTM(Long Short-Term Memory)与高斯混合模型的实时多维度时间序列数据状态感知算法LGMAD。首先,本文对于LSTM神经网络进行改进,在LSTM神经网络的基础之上提出了单维度时间序列数据状态感知算法LSTM-BP,利用LSTM-BP算法对多维度时间序列数据中每个维度的异常先进行单独检测。通过将序列预测值与真实值之间的差异进行对比分析,实现异常的初次筛选,从而得出每个单独维度上的异常分数列表,完成单维度时间序列状态感知,并以此作为多维度时间序列状态感知的基础。其次,对于由LSTM-BP算法筛选出的可能存在异常的时间点,先对当前系统健康度进行计算,根据当前系统健康状态进行判断,筛选出其中需要进一步进行检测的异常点进入多元高斯模型进行联合判定,以检测其是否存在多维度联合异常,最终得出多维度时间序列状态感知的结果。最后,通过实验对LGMAD算法的性能进行验证。本文通过在两种不同类型的数据集上对LGMAD算法进行实验验证,证明了通过LGMAD算法进行状态感知的性能优异,其准确率、召回率、F得分等指标数据均明显优于领域内常见的单维度状态感知算法,亦优于领域内领先的多维度状态感知算法。

关键词：状态感知长短期记忆网络多元高斯分布多元时间序列数据

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

功能脑网络构建及特征提取方法研究

功能脑网络构建及特征提取方法研究

作者：韩忠伟山东工商学院

学位级别：硕士

基于静息态功能磁共振成像的功能脑网络已广泛应用于神经精神疾病的早期诊断及相关生理标志物挖掘,是当前医学图像处理领域研究的热点。目前,已有大量功能脑网络的构建方法及特征提取方法被相继提出。然而,由于大脑高度复杂并且样本采... 详细信息

基于静息态功能磁共振成像的功能脑网络已广泛应用于神经精神疾病的早期诊断及相关生理标志物挖掘,是当前医学图像处理领域研究的热点。目前,已有大量功能脑网络的构建方法及特征提取方法被相继提出。然而,由于大脑高度复杂并且样本采集较为困难,如何构建合理的功能脑网络并从中提取鉴别力较强的特征依然面临很多挑战。本文在功能脑网络构建和特征提取两方面,分别开展了如下工作:（1）在功能脑网络构建方面,提出基于分组的多元高斯分布（Multivariate Normal Distribution,MVND）脑网络构建方法。首先将所有感兴趣区域划分到不同的分组,然后在每个分组内通过滑动窗技术生成脑网络序列。假设脑网络序列服从某个MVND模型并进行参数估计,得到分组内高低阶脑网络。进一步,以每个分组的功能磁共振信号均值序列为基础进行脑网络序列生成和MVND模型参数估计,得到分组间的高低阶脑网络以弥补因分组导致的特征丢失。针对高阶脑网络,本文运用克罗内克积分解对其降维。该方法具有以下优点:1)能以清晰的数学解释同步构建低阶和高阶脑网络。2)能有效地缓解基于全脑的MVND脑网络构建方法存在的“高维小样本”问题,使提取的特征更有鉴别力。本文分别以医学子网络划分和原始信号序列聚类为分组方式对该方法进行了探究。（2）在特征提取方面,提出基于二维主成分分析（two-dimensional principal component analysis,2DPCA）的动态脑网络特征提取方法。首先利用滑动窗技术生成动态脑网络,然后将动态脑网络按照某种方式进行变换得到二维动态脑网络图像。最后利用2DPCA方法对该图像进行主成分提取,得到的主成分即为特征。该方法的优点在于:1)能有效缓解动态脑网络中存在的“高维小样本”问题和“时序不匹配”问题。2)能够捕获动态脑网络有价值的结构信息,这部分结构信息反映的是成对感兴趣区域的功能联动。由于三维的动态脑网络从不同角度变换为二维的动态脑网络图像时,能够保留的成对感兴趣区域的功能联动信息不同,因此,本文从面向时间信息和面向空间信息两个角度开展基于2DPCA的动态脑网络特征提取研究。本文提出的两种方法在自闭症患者与健康人口的分类实验中,均表现出良好的分类性能并且实验结果优于相关对照方法,其有效性得到了验证。

关键词：静息态功能磁共振功能脑网络二维主成分分析多元高斯分布自闭症