结合结构学习的多头密集连接图池化模型

目的:利用图神经网络，构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先，用图卷积神经网络提取节点的初始特征。其次，用多头密集连接网络学习节点重要性得分，并根据得分进行节点采样得到池化图。之后，对池化图中的节点进行结构学习，以保证图结构的完整性。最后，将学到的图表示放到分类器中，完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比，我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。     

给排水常用管材分类使用探讨

在进行给排水的安装工作期间,对于所用材料的尺寸、规格和品质的标准要求是非常高的,但是当前在安装期间对于材料的选取上还是存有一些问题的。部分施工机构贪恋眼下的小利,采用伪劣的建材替换高品质的建材,另外还有相关工作人员对于建材的管理不到位,使得伪劣的建材流入施工场地并用于建设,致使给排水工程中存有大量的品质问题,例如,水管爆裂、阀门无法关紧等,干扰了居民的正常使用。基于此,本文主要对给排水常用管材分类使用进行了有效的分析,希望可以为相关工作学者提供一定的参考。     

谁是未来趋势? 游戏本的轻薄化PK外置显卡

当笔记本也能具备足够的游戏性能时,相信绝大多数玩家都会选择它用来取代家里笨重的台式机。然而,今天的笔记本在向"游戏本"华丽转型时正逐渐衍生出两大趋势,一是在尽可能轻薄的机身里容纳高端独显;二是支持外置显卡,以确保笔记本自身具备不俗的便携性。而来自微星旗下的G S 3 0和GS70,则就是这两种思路的代表产品。     

云计算设备中的大数据特征高效分类挖掘方法研究

云计算设备中的大数据分类挖掘是现实模式识别和智能控制的基础,传统方法中对云计算设备中的大数据挖掘采用拓扑结构网格分区挖掘算法,不能有效提取大数据的细节特征,分类的准确性不好。提出一种基于分数阶Fourier变换特征匹配和K-L分类的云计算设备中的大数据特征高效分类挖掘算法。进行云计算设备中大数据存储机制体系分析,采用分数阶Fourier变换进行云计算设备中大数据特征提取和大数据特征匹配,基于K-L变换,选择最优的路径进行分类空间导引,构建了K-L大数据特征分类器,进行云计算设备中的大数据特征分类挖掘。仿真结果表明,采用该算法进行云计算设备中的大数据特征分类挖掘,特征分类挖掘的准确度较高,能量开销较少,效率较高。     

改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。     

气管上段腺样囊性癌的临床病理

目的　探讨气管上段腺样囊性癌的临床病理特征及诊断和鉴别诊断要点。方法　收集2000年1月至2014年2月在北京协和医院确诊的4例气管上段腺样囊性癌病例，通过光镜、免疫组织化学及组织化学染色分析其临床病理特征、免疫组织化学特点、诊断及鉴别诊断要点。结果　4例气管上段腺样囊性癌患者中，男1例，女3例，平均年龄47岁(38~57岁）；既往均无腺样囊性癌病史，1例患者既往有结节性甲状腺肿手术史。镜下检查4例均为筛状/管状型腺样囊性癌，3例累及甲状腺组织，3例累及神经组织，未见淋巴结受累。免疫组织化学染色示4例P16、CD117、BCL2、P63、SMA均阳性，Ki67指数平均8%，TTF1和P53均阴性；4例中基底膜样物胶原Ⅳ阳性；组织化学染色示AB/PAS阳性。术后均接受总剂量为48~56 Gy的放疗，随访6~120个月，平均72.5个月，1例术后96个月复发，3例随访期间无复发及转移。结论　气管上段腺样囊性癌是罕见的原发于气管的低度恶性肿瘤，肿瘤生长缓慢，就诊时多数已侵及甲状腺组织，需要与原发于甲状腺的恶性肿瘤相鉴别，特别是在甲状腺穿刺及术中冰冻检查时。结合电子喉气管镜下表现、典型的形态学及免疫组织化学和组织化学染色有助于准确诊断。手术难以切除干净，术后放疗对延缓疾病复发有一定帮助。