公共文化服务平台

基于黎曼流形的多元时间序列异常检测被引量：1: 2015年; 多元时间序列问题广泛存在于社会生产和生活中,异常检测已经在金融、水文、气象、地震、视频监控医疗以及其他领域给人们提供了很多有价值的信息。为了快速高效地发现时间序列中的异常,使之以直观的方式呈现在人们面前,本文以滑动窗口为基础,用协方差矩阵作为时间序列的描述子,将黎曼流形与统计过程控制图相结合,来实现多元时间序列的异常检测及其可视化。以MA模拟数据流和MIT-BIH的心电失常数据作为实验对象,对异常检测方法进行了验证,结果表明该方法是合理有效的。; 徐永红侯晓颖李书亭崔洁; 关键词：异常检测协方差矩阵黎曼流形

蛋白质α螺旋检测的四元数方法被引量：3: 2016年; 本文提出一种基于四元数表示的蛋白质α螺旋检测方法。本方法将蛋白质Cα坐标系螺旋轴映射到单位球面上,在此基础上定义了四元数螺旋轴球面距离(Quaternion Helix Axis Spherical Distance,QHASD)并用该指标对二级结构中的α螺旋进行检测。基于PDBselect数据库应用本文方法进行验证,对α螺旋检测精度达到91.7%。本文方法具有检测精度高、计算复杂度低和几何意义明确的显著优点。; 徐永红褚泽斐; 关键词：四元数蛋白质 Α螺旋

含有右删失和区间删失数据的生存函数的非参数估计被引量：2: 2014年; 删失数据的处理在很多研究领域都是常见的问题,尤其是在医学生存数据分析领域。插补方法是处理删失数据重要的方法之一。然而多数插补方法是将删失数据直接插补成精确数据,这样就扭曲了数据的真实分布,降低了估计方法的精度。本文提出一种含有右删失和区间删失数据的非参数估计方法并与经典SC(self-consistent)算法进行比较。该方法基于均值插补法和最近邻插补法将右删失数据插补为区间删失数据,从而大大提高了真实数据落入插补区间的概率,继而根据经验分布理论对区间删失数据进行生存函数估计。模拟数据和真实乳腺癌数据的分析得出:新算法对删失比例不同的删失数据的估计有更高的精确度和更好的稳健性。本文为临床研究治疗方法效果的比较和估计患者的生存数据提供了一种较好的方法,也为医学生存数据分析提供了一定的帮助。; 徐永红高晓欢王正熙; 关键词：区间删失数据右删失数据经验分布函数

基于四元数小波变换及多分形特征的纹理分类被引量：2: 2012年; 将四元数小波变换(QWT)和多分形相结合进行纹理分类,充分利用了QWT的旋转不变特性和纹理图像的多分形特性,能弥补传统的应用小波变换进行纹理分类时缺乏将输入图像分解成多个方向的不足。通过对UIUC数据库中的纹理图像分类,表明四元数小波与多分形相结合的方法具有较高的分类精度,平均分类正确率可达96.69%,是一种合理有效的纹理分类方法。; 高直朱志浩徐永红洪文学; 关键词：四元数小波变换纹理分类机器视觉纹理图像

基于黎曼流形的蛋白质三维结构数据相似性比较被引量：1: 2015年; 以NMR技术为代表的海量蛋白质空间结构数据为现代生命科学研究提供了前所未有的机遇,但后续的大数据分析却成为一大难题。充分利用已知的蛋白质三维结构信息来预测未知的蛋白质空间结构信息是研究蛋白质结构和功能关系一种重要手段。本文提出一种基于黎曼流形的蛋白质三维结构相似性比较新方法。该方法通过构建Cα坐标系和提取蛋白质结构具有旋转和平移不变性的几何特征量,将蛋白质的三维坐标序列转换为一维序列,采用黎曼距离作为三维结构相似度指标。本方法不需要对蛋白质结构做旋转和平移变换,避免了主流的RMSD方法中两蛋白质通过最小二乘拟合进行配准时产生的误差,并且完全不依赖于一级结构序列信息,对不具备序列相似性的蛋白质之间的相似性比较具有现实意义。本文分别针对不同相似度的蛋白质、Fischer提出的10个较难识别的蛋白质结构对、HOMSTRAD数据库中的700个数据这3组数据,对本文算法进行了验证。实验结果表明,与其他方法相比,本文方法的匹配精度均得到了较大提升。; 徐永红褚泽斐洪文学; 关键词：蛋白质三次样条插值黎曼流形

基于改进多元多尺度熵的癫痫脑电信号自动分类被引量：9: 2015年; 传统样本熵很难量化信号本身固有的远程相关性,虽然多尺度熵能够检测数据内在相关性,但其多用于单变量信号。多元多尺度熵作为多尺度熵在多元信号上的推广,是非线性动态相关性的一种反映,但是传统的多元多尺度熵计算量大,对于通道数较多的系统需要耗费大量的时间和空间,并且无法准确地反映变量间的相关性。本文提出的改进的多元多尺度熵,将传统的多元多尺度熵针对单个变量的嵌入模式改为对所有变量同时嵌入,不但解决了随着通道数增加内存溢出的问题,也更适用于实际多变量信号分析。本文方法对仿真数据及波恩癫痫数据进行了试验,仿真结果表明该方法对相关性数据具有良好的区分性能;癫痫数据实验表明,该方法对5个数据集均具有较好的分类精度,其中对数据集Z、S的分类精度达100%。; 徐永红崔洁洪文学梁会娟; 关键词：癫痫小波包分解

四元数小波和AdaBoost在人脸识别中的应用被引量：2: 2011年; 提出一种基于四元数小波变换(QWT)幅值相位表示及AdaBoost的人脸识别方法。四元数小波变换具有近似的移不变特性,可以同时支持1个幅值和3个相位,其中两个相位编码局部图像移动,而第三个相位蕴含纹理信息。方法对人脸图像进行预处理,进行四元数小波变换并计算四元数幅值和相位特征,将这些幅值和相位组合并应用AdaBoost分类器进行分类,以实现人脸图像的最终识别。对Yale、ORL和FERET三个人脸数据库应用此方法的实验结果表明,该方法在识别率上优于AdaBoost和Gabor+AdaBoost。特别是在FERET数据上精度提高更为明显,而且在计算复杂度上QWT特征提取明显低于Gabor特征提取。; 徐永红申鸿魁赵艳茹洪文学; 关键词：人脸识别四元数小波变换 ADABOOST

基于对偶四元数配准的蛋白质局部螺旋参数拟合方法: 2018年; 本文提出了一种基于对偶四元数配准的蛋白质局部螺旋结构参数拟合(DQRFit)方法。该方法首先提取蛋白质结构数据中各残基的C、N原子坐标,然后用滑动窗口分别构造各段的待配准数据和参考数据。接着以配准前后数据点的距离平方和最小为寻优目标,利用对偶四元数配准算法求解出最优的旋转矩阵和平移向量并计算出该段二级结构的螺旋参数:每周残基数(τ)、螺旋半径(ρ)和螺距(p)。本文通过对偶四元数配准可实现τ、ρ、p三个螺旋参数的同时拟合,并且滑动窗口宽度可调以适应不同的误差等级。与传统螺旋拟合方法相比,具有计算复杂度低、抗干扰性好、拟合精度高的优点。将本文算法应用于蛋白质α螺旋结构检测,结果表明检测精度与蛋白质二级结构词典(DSSP)相当,而明显优于其它几种传统方法。本文研究结果或可在今后的蛋白质结构分类和功能预测、药物设计、蛋白质结构可视化等领域具有重大意义。; 徐永红张少伟景军赵勇候飞翔; 关键词：配准蛋白质二级结构

CT平扫+三维重建技术在观察骨质疏松性椎体压缩骨折患者椎弓根宽度变化中的应用被引量：13: 2016年; 目的探讨CT平扫+三维重建技术对骨质疏松性椎体压缩骨折患者椎弓根宽度变化的评估作用。方法收集我院骨科2013年4月至2016年4月所收治的骨折患者资料进行回顾性分析。骨质疏松性椎体压缩骨折患者(n=58)纳入A组,胸腰椎骨折患者(n=46)纳入B组。比较脊椎两侧POW值及A组与B组脊椎POW值,计算A组与B组患者的椎弓根细小发生率。结果 58例患者脊椎两侧POW测量值的差异均无统计学意义(P>0.05)。A组T11-L3的POW均高于B组,差异有统计学意义(P<0.05)。L4与L5的POW与B组之间则无统计学意义(P>0.05)。结论应用CT平扫+三维重建技术对骨质疏松性椎体压缩骨折患者进行检查可有效测量患者椎弓根宽度,从而评估患者经皮椎体成形术穿刺及椎弓根置钉的可行性,为手术提供指导。; 潘海英妥渊茹李霞上展增; 关键词：三维重建

Feature Extraction of Chinese Materia Medica Fingerprint Based on Star Plot Representation of Multivariate Data被引量：14: 2011年; Objective To study a novel feature extraction method of Chinese materia medica(CMM) fingerprint.Methods On the basis of the radar graphical presentation theory of multivariate,the radar map was used to figure the non-map parameters of the CMM fingerprint,then to extract the map features and to propose the feature fusion.Results Better performance was achieved when using this method to test data.Conclusion This shows that the feature extraction based on radar chart presentation can mine the valuable features that facilitate the identification of Chinese medicine.; CUI Jian-xin1,2,HONG Wen-xue1,ZHOU Rong-juan3,GAO Hai-bo1 1.College of Electrical Engineering,Yanshan University,Qinhuangdao 066004,China 2.Key Laboratory of Measurement Technology and Instrumentation of Hebei Province,Qinhuangdao 066004,China 3.Maternal and Child Health Hospital of Qinhuangdao,Qinhuangdao 066004,China; 关键词：FINGERPRINT

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家自然科学基金(60873121)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(60873121)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈