计算机科学杂志北大期刊CSCD期刊统计源期刊

摘要：目前各类医学影像数据积累迅速,给利用传统影像分析方法实现疾病诊断的医生带来了巨大挑战;计算机视觉领域的深度学习方法日渐成熟,为实现医学影像的自动分析及辅助医生实现疾病的高精度智能诊断提供了新的契机。文中综述了深度学习方法在医学影像领域的最新研究进展。首先,介绍了深度学习方法以及该类方法在医学影像领域的应用情况;然后,从应用深度学习主要研究的几大病症来分析具体的研究进展;最后,总结研究动向,预测研究趋势,并提出深度学习在医学影像研究中可能存在的问题以及建议。

摘要：文本提取在视频和图像中具有重要的应用价值。近年来,大数据时代带来了海量信息检索的迫切需求,大量视频和图像中文本的提取方法涌现出来。回顾了视频和图像中文本提取的算法,从文本提取流程出发,将其分为文本区域检测定位和文本分割两大步骤。在每个步骤中,分析并比较了现有算法的使用范围及相对优缺点,讨论了图像公用数据库,列举了近些年来图像中文本提取的重要应用,指出了当前研究中存在的问题,展望了视频和场景图像文本提取方法的发展趋势。

摘要：点云数据的曲面重建就是对扫描设备获得的物体散乱数据点重建三维物体表面,它被广泛应用于计算机动画、目标识别、数据可视化以及地理信息系统。点云的隐式曲面重建由于能够去除点云噪声,修补孔洞和裂缝,不需要拼接和平滑等后续处理,成为点云数据集曲面重构的重要方法。文中综述了目前一些主要的隐式曲面重构方法,就隐式模型以及相应的曲面重构算法的优缺点进行了分析比较,并对隐式曲面重构存在的问题和未来发展方向作了相应的分析和讨论。

摘要：在目前大数据的环境下,相对于正常数据,异常类数据更难获取,也显得更加重要。异常检测的目的是检测出异于正常主体的活动数据。异常检测适用于机器故障诊断、数据挖掘以及疾病和入侵检测等多个领域。基于目前大量的异常检测方法,主要从异常类数据的有无来阐述,根据这个框架将主要的异常检测方法进行了分类,并评价了这些方法的优劣;最后重点讨论了基于深度学习的大数据异常检测方法,并分别介绍了不同的方法及相关的应用和未来的研究热点。

摘要：人工智能影响着人们生活的方方面面,而医疗也成为了人工智能最热门的应用领域之一,越来越多的人工智能设备被用于辅助医生进行诊断和治疗。对人工智能在神经医学中的应用进行了综述,特别针对帕金森病和阿尔兹海默症的诊断进行了详细的归纳分析。首先,阐述了人工智能的发展历史、分类和应用现状;其次,归纳总结了利用人工智能诊断帕金森病和阿尔兹海默症的研究现状,对比分析了其中采用的关键技术;最后,总结了人工智能应用于神经医学中的关键技术,阐明了人工智能应用于医疗领域的重要性,并展望了未来人工智能应用于神经医学中的研究方向。

摘要：时序电路的可靠性问题日益成为人们关注的焦点。讨论高层次时序电路的可靠性评估方法,重点研究分析了贝叶斯可靠性分析方法、多阶段可靠性分析方法和基于概率转移矩阵的时序电路可靠性分析方法。以ISCAS 89基准电路为实验对象,选择几种典型的高层次时序电路可靠性评估方法进行实验和分析。研究结果和实验结果表明,电路的抽象级别越高,评估方法所获得结果的准确性就越低,评估时间开销越小;同一抽象层次上,不同类型的方法相比,仿真模拟方法的准确性高但时间开销大,解析方法省时但准确性较低。

摘要：序列中的重复模式识别算法及应用研究是数据挖掘领域的重要问题,是提取序列中有用信息的主要手段之一。近年来,针对各种重复模式定义、有效的识别算法设计以及重复模式识别算法在有关领域中的应用有了很多研究成果。文中对序列中重复模式的类型与特点作了描述,讨论了识别算法中常用的数据结构,以分类的方式重点回顾并总结了近年来重复模式在一些相关领域中的应用及相关算法的设计思路与技巧,并从加入的领域知识及约束、识别结果与算法扩充性、存在的主要问题等方面进行了讨论,其中包括在网络信息抽取、Web文档特征提取与聚类算法及相关的维文信息处理等领域中的应用。最后,讨论了关于序列重复模式识别算法在各个相关领域中的应用研究所面临的挑战,并探讨了未来的研究方向。

摘要：随着电子商务的发展,餐饮行业现有的大多数管理系统落后于消费者和管理人员的需要,一种行之有效的方法是将推荐系统应用于餐饮管理,根据消费者的行为数据为用户点餐提供菜品的推荐。针对推荐系统中的冷启动问题,提出基于消费者行为的点餐推荐算法,设计出频度统计、关联规则和Markov链3个推荐引擎的加权组合推荐系统。在实际餐厅订单数据样本上,所提算法能够取得令人满意的推荐效果,且得到具有普适性的3个推荐引擎的组合权值（0.2167,0.5167,0.2666）,同时得到最佳的推荐长度为3。

摘要：介绍了一种基于新的改进粒子群算法（NIPSO）的BP神经网络来解决拟合非线性函数所出现的误差较大的问题。此算法在粒子群优化算法基础上,分别让权重和学习因子非线性和线性变化,建立基于新的粒子群优化算法的新模型,再与BP神经网络结合之后来拟合非线性函数。结果表明,新的改进粒子群优化算法更加合理且高效地提高了BP神经网络的拟合能力,减小了拟合误差,提高了拟合精度。

摘要：针对中文文本的需求,利用分词的结果,将待的目标文本和样本文本转换为分词矩阵模型,然后扫描和分析矩阵,得到结果。由此提出了一种算法,并通过实例验证了该算法具有一定的实用效果。

摘要：通过分析期货黑色系品种螺纹钢产业链上下游的关系,提出了一种基于多元线性回归分析的螺纹钢价格分析及预测模型。首先,收集影响螺纹钢价格的主要因素数据,包括焦炭期货结算价、焦煤期货结算价、铁矿石期货结算价、热卷期货结算价与人民币兑美元汇率中间价;然后,通过散点图与趋势线对这些影响因素进行分析以确定影响因素,借助SPSS与NCSS软件利用收集到的数据构建基于最小二乘法的多元线性回归模型,并通过岭回归分析消除自变量间的共线性,得到修正后的模型;最后,运用此模型对未来一个月交易日的螺纹钢价格进行较为精准的预测。实验表明,该模型拟合度较高,具有一定的实用性。

摘要：运用新一代信息技术快速预测慢性肝病的机理和特征,是提高慢性肝病诊断率的有效途径。运用主成分分析机器学习算法,对描述慢性肝病的多项指标属性项进行降维处理,结合神经网络学习,构建了慢性肝病预测模型。实验分析了125组20维慢性肝病患者的医学检验指标数据项,利用ROC（Receiver Operating Characteristic）曲线优选出13维指标项作为慢性肝病敏感度高的检验指标属性项。通过主成分分析将13维指标项降至5维综合数据项。神经网络训练115组检验指标样本集,剩余10组样本集作为测试样本。与原始20维数据作为神经网络输入相比,所提模型不仅降低了复杂度,且预测精度提高了15.07%。

摘要：针对心电信号异常诊断,提出了一种基于无监督学习的移动心电信号异常诊断方法。该方法利用层次聚类将心电数据进行分类,同时结合特征量的优先级诊断分析法,有效避免了因移动心电信号的数据量过大而产生爆炸的时间复杂度和空间复杂度的问题。最后,通过心电信号实例验证了所提方法具有良好的可靠性和运行效率。

摘要：随着小型无人机的广泛应用,无人机的自动巡航能力变得至关重要。无人机航迹规划,是指其在已知环境地图信息下展开航迹规划以实现无碰撞地、平滑地从初始点到达目标点。针对现有算法依然存在收敛速度慢、遍历时间长和航迹曲线化无法满足实际无人机飞行条件等问题,首先提出了EB-RRT^＊（Efficient B-RRT^＊）算法,设计自适应避障提高算法收敛速度并减少内存占用;然后采用栅格分区的方法缩短附近节点的遍历时间;最后利用合理的降采样和三次贝塞尔插值算法对折点进行光滑化的处理,使算法最终生成相对平滑的航迹,为无人机实际飞行提供可行航迹规划方法。进行了多组不同环境复杂度的实验,并将该算法与其他算法进行对比,结果验证了所提算法的有效性。

摘要：通过德尔菲法进行网站服务质量影响因素的筛选,在分析各个因素之间的关系时,借鉴PageRank的投票思想,将影响网站服务质量的因素间的相互影响视作网页间的相互链接,产生影响视为投票,利用各个因素之间存在的内部关系计算影响力值,最终得到影响网站服务质量的因素重要性排序,为网站服务质量的评价提供了参考和借鉴。