医疗大数据特征挖掘及重大突发疾病早期预警

通过运用新兴的尖端云计算技术,设计研发了健康云平台。采用分布式云存储技术存储大规模的异构多模态生理信号数据,将数据挖掘模型（L1-逻辑斯蒂）整合至MapReduce框架中,快速挖掘用户的健康信息以及重大疾病高风险因子,让用户能实时地了解自己的身体状况,同时对用户的异常状况给出预警信息,并通知其前往医院就医,实现了对重大突发疾病的早期预警。     

基于百度贴吧的当代大学生价值观评价系统设计与开发

针对当前大学生价值观评价方法中普遍存在的局限性,提出了一种基于百度贴吧的评价系统的设计方法,旨在增强数据来源的真实客观程度,提高评价结果的准确度.使用统一建模语言UML进行了功能设计和数据建模,采用Python+MySQL进行开发,使用Requests+BeautifulSoup对网页进行爬取和解析,使用支持向量机分类器进行情感分析,使用自定义加权平均方法计算价值观评价得分.系统由数据采集子系统、数据分析子系统、数据可视化子系统系统组成,3个子系统相对独立,通过数据库中介进行协同操作,保证功能高内聚低耦合的特性.提出的系统设计和开发方法,对相关系统的设计和实现具有一定的参考意义.     

基于HardSoftmax的并行选择核注意力

注意力被广泛地运用在卷积神经网络中,并有效地提升了卷积神经网络的性能。同时,注意力是非常轻量的,且几乎不需要改变卷积神经网络原来的架构。提出了基于HardSoftmax的并行选择核注意力。针对Softmax包含指数运算,对于较大的正输入很容易发生计算溢出的问题,提出了计算更安全的HardSoftmax来替换Softmax。不同于选择核注意力将全局特征的提取和转换放在特征融合之后,并行选择核注意力将全局特征的提取和转换单独放在一个分支,与具有不同核大小的多个分支构成并行结构。同时,并行选择核注意力的全局特征转换使用分组卷积,进一步减少参数量和计算量。并行选择核注意力通过HardSoftmax注意来关注不同核大小的多个分支。一系列的图像分类实验表明,只是简单地用HardSoftmax替换Softmax,也能保持或提升原注意力的性能。HardSoftmax的运行速度在实验中也比Softmax更快速。并行选择核注意力能够以更少的参数量和计算量追平或超越选择核注意力。     

流计算模式下概率粗糙集三支决策的快速计算

概率粗糙集三支决策是不确定问题求解的一种重要理论,流计算模式是一种新型的动态内存计算形式,实施流计算模式下三支决策的快速动态计算是一项具有挑战性的新议题。本研究以流计算模式中的两个核心计算步骤即动态增量与动态减量作为研究对象,提出了一种流计算模式下概率粗糙集三支决策域的快速动态学习方法。首先对流计算模式中三支决策动态增量和动态减量的不同变化情况进行了数据建模。然后基于不同数据变化情况分别讨论了数据增量与数据减量时三支决策域的变化推理,并且基于上述理论给出了流计算模式下的三支决策动态增减学习算法。该算法能够以更低的时间复杂度获得与经典三支决策算法相同决策效果。最后通过八种UCI数据集的实验证明了流计算模式下三支决策动态增减学习算法在时间消耗上明显优于经典概率粗糙集三支决策算法,并且在不同阈值下具有稳定的决策效率。本研究表明了流计算模式下三支决策快速计算是可行的。     

基于阈值机制与距离校正的WSN改进DV-Hop定位算法

在无线传感器网络的DV-Hop定位算法中,未知节点定位只考虑离它最近的锚节点的平均跳距,用它乘以跳数代替真实距离去进行定位,会导致较大的定位误差。针对DV-Hop算法以上的不足,本文提出了一种精度较高的基于阈值机制与距离校正的DV-Hop改进算法TMCD-DV-Hop。改进算法首先计算跳数阈值,考虑最近锚节点之外的其他锚节点在局部范围和全局范围的影响,依据阈值选择最优的校正平均跳距来估计距离,并对参与定位的单跳通信半径内的锚节点进行组合优化后,采用质心算法得到一个估计坐标,同时利用加权最小二乘法得到另一个估计坐标,最后以两个估计坐标的算术平均值作为未知节点的定位坐标。仿真实验表明,在同等网络环境中,改进后的TMCD-DV-Hop算法较DV-Hop算法更能有效地降低定位误差,提高定位精度。     

强震动冲击环境下的网络异常信号检测仿真

强震动冲击环境下的网络异常信号检测,可保证网络安全稳定的运行.在强震动冲击环境下,网络异常信号检测过程中存在较强的振荡波动和随机噪声,使得真实的异常信号特征与振动信号的频率及其相似.传统的基于核数据的网络异常信号检测方法,针对强震动冲击环境下的干扰,无法提取稳定的异常网络信号特征,不能够准确完成网络信号特征的分类,使得获取的网络异常信号检测结果存在较大的偏差.提出了一种采用敏感性分析的网络异常信号检测方法,在强震动冲击环境下的影响,网络异常信号与振动信号相比,存在一定的异常敏感性,先采用频率敏感性的检测方法初步检测网络异常信号,塑造网络结构有限元模型和敏感性矩阵,最后通过粒子群算法的模糊神经网络,选择模糊优选模型函数作为激励函数,能够根据强震动冲击的强度来确定各个影响因子的隶属度,确定了异常信号发生和损伤的精确位置,实现了网络异常信号的精确检测.实验结果表明,改进方法比传统方法更具有优越性,在强震动冲击环境下具有较高的网络异常信号检测效率和精度.     

基于计算思维的软件类研究生高级算法课程教学研究

针对高级算法课程的特点及存在的教学问题,在课程教学中引入计算思维,并探讨其在课程教学中的需求与体现,阐明基于计算思维的软件类研究生高级算法课程在教学内容、教学方法及课程考核等3个方面的改革思路。     

亮度增强的多尺度垃圾检测

垃圾检测能减少资源浪费、缓解环境污染,对环境保护具有重要意义.针对现有方法在图像昏暗和物体细小情况下存在误识别、漏检的问题,本文提出了一种亮度增强的多尺度垃圾检测方法.首先在亮度增强模块中,利用跳跃连接增强各层级垃圾图像特征的关联性,解决了昏暗条件下的垃圾误识别问题.然后在多尺度垃圾检测模块中,使用密集连接将不同尺度特征进行融合,提高了对细小垃圾特征的学习能力,解决了细小垃圾存在的漏检问题.本文方法在自制数据集和公共数据集上的mAP达到了96.62%和93.81%.实验结果表明,该方法解决了图像昏暗和物体细小情况下的误识别、漏检问题,优于现有的YOLOv4等主流方法.     

数据库课程分类教学与实践模式探索

基于计算机本科专业人才培养总体规划,根据学生的个体差异,研究探讨一种数据库课程的分类教学与实践模式,将学生分为不同类型,在授课、实验、课程设计和课后活动等方面分类实施不同的教学内容和实践安排,充分调动学生的学习积极性和主动性。     

二阶分块PCA的人脸特征提取方法研究

为了提取更为有效的鉴别特征,在已有的二阶特征脸方法和分块主成分分析(PCA)方法上,提出了二阶分块PCA人脸特征提取方法.该方法对原始人脸图像和经重建得到的剩余图像分别运用分块PCA,将提取的一阶和二阶特征线性组合为一个特征矩阵,再进行分类识别.此特征能更充分反映人脸图像的低频和高频特性.采用ORL人脸库和FERET人脸库的实验结果表明该二阶分块PCA正确识别率优于普通分块PCA算法,具有较强的特征提取能力.