用一种数据挖掘的方法解决网络拥挤的问题

提出了从Web日志中挖掘得到关联规则，通过这些规则实现网页在服务器的预先存取，从而解决网络拥挤问题．     

基于XML Web Service和Solid Works的协同设计方法

提出了一种基于Web的协同设计方法。产品设计以动态文档的形式放在互联网上，能通过浏览器方便、快捷地交流。对协同设计中的可视化设计等技术进行了深入的探讨。     

基于机器人控制的盐化工业协同管理系统的构建

针对盐化制造业生产流程中存在的底层自动化程度低导致难于进行精确管理,提出了一种基于机器人控制的盐合工业生产过程协同管理控制系统。讨论了生产流程特点,操作流程中存在的问题,研究了上层管理系统协同资源的发现与描述方法,探讨了基于广义扩展的统一描述、发现和集成协议的资源集成服务机制,论述了采用Web服务等的关键技术,在控制底层采用机器人控制,在上层通过协同管理,实现从企业级到车间级的管控一体化集成。     

基于智能客户端的器材出入库管理系统设计与实现

基于自动识别技术和分布式处理技术,提出了基于智能客户端的器材出入库管理系统设计思路,开发了运用Web服务（Web Service）体系结构的器材出入库管理信息系统。该系统运用B/S模式下的JAVA语言进行系统设计,采用XML进行数据传输,发挥了智能客户端的便携性和数据交互性等优点,其设计和实现充分体现了在B/S模式下JSP＋XML＋Web＋智能客户端四者结合的强大功能,可有效提高器材出入库管理的效率和质量。     

Web教学网页的视觉牵引初探

针对当前Web教学网页中普遍存在的视觉干扰问题,以认知心理学、教育传播学、视觉传达设计等理论为指导,从视觉牵引的定义与重要性入手,从视觉信息要素构成、视觉启动与视觉聚焦、视觉流程等方面,分析Web教学网页的视觉特殊性与视觉牵引需求,并提出在Web教学网页中突破视觉干扰、实现有效视觉牵引的方法与途径。     

基于Web仿真模型库系统的总体框架

基于Web仿真模型库系统,由浏览器、Web服务器及模型库系统组成,用户通过HTTP向Web服务器发送请求,Web服务器根据该信息搜索模型库中相应模型,经分析、转换后,将结果返回用户.模型库管理系统包括模型的使用、管理、生成和信息发布及系统维护等模块.模型使用模块则含模型下载区、参数输入区、模型分析、模型结果发布区四部分.模型管理模块则包括模型的增、删、查、改.     

基于B/S的在线考试系统的设计

基于B/S的在线考试系统,采用客户端浏览器、应用服务器和数据库三层体系结构.以Window 2000Server ⅡS5.0作为Web服务器,用ADO操纵Access数据库,采用面向对象的asp脚本编程.并在课程文件夹中建立子文件夹images存放试题对应图片,在题库表字段中增加picture字段放置图片存放路径,实现图片输入输出.     

基于半监督对抗学习的图像语义分割

目的 将半监督对抗学习应用于图像语义分割,可以有效减少训练过程中人工生成标记的数量。作为生成器的分割网络的卷积算子只具有局部感受域,因此对于图像不同区域之间的远程依赖关系只能通过多个卷积层或增加卷积核的大小进行建模,但这种做法也同时失去了使用局部卷积结构获得的计算效率。此外,生成对抗网络（generative adversarial network,GAN）中的另一个挑战是判别器的性能控制。在高维空间中,由判别器进行的密度比估计通常是不准确且不稳定的。为此,本文提出面向图像语义分割的半监督对抗学习方法。方法 在生成对抗网络的分割网络中附加两层自注意模块,在空间维度上对语义依赖关系进行建模。自注意模块通过对所有位置的特征进行加权求和,有选择地在每个位置聚合特征。因而能够在像素级正确标记值数据的基础上有效处理输入图像中广泛分离的空间区域之间的关系。同时,为解决提出的半监督对抗学习方法的稳定性问题,在训练过程中将谱归一化应用到对抗网络的判别器中,这种加权归一化方法不仅可以稳定判别器网络的训练,并且不需要对唯一的超参数进行密集调整即可获得满意性能,且实现简单,计算量少,即使在缺乏互补的正则化技术的情况下,谱归一化也可以比权重归一化和梯度损失更好地改善生成图像的质量。结果 实验在Cityscapes数据集及PASCAL VOC 2012（pattern analysis,statistical modeling and computational learning visual object classes）数据集上与9种方法进行比较。在Cityscapes数据集中,相比基线模型,性能提高了2.3%~3.2%。在PASCAL VOC 2012数据集中,性能比基线模型提高了1.4%~2.5%。同时,在PASCAL VOC 2012数据集上进行消融实验,可以看出本文方法的有效性。结论 本文提出的半监督对抗学习的语义分割方法,通过引入的自注意力机制捕获特征图上各像素之间的依赖关系,应用谱归一化增强对抗生成网络的稳定性,表现出了较好的鲁棒性和有效性。     

双重编—解码架构的肠胃镜图像息肉分割

目的 肠胃镜诊断一直被认为是检测及预防结直肠癌的金标准,但当前的临床检查中仍存在一定的漏诊概率,基于深度学习的肠胃内窥镜分割方法可以帮助医生准确评估癌前病变,对诊断和干预治疗都有积极作用。然而提高目标分割的准确性仍然是一项具有挑战性的工作,针对这一问题,本文提出一种基于双层编—解码结构的算法。方法 本文算法由上、下游网络构成,创新性地利用上游网络训练产生注意力权重图,对下游网络解码过程中的特征图产生注意力引导,使分割模型更加注重目标区域;提出子空间通道注意力结构,在跨越连接中提取多分辨率下的跨通道信息,可以有效细化分割边缘;最终输出添加残差结构防止网络退化。结果 在公共数据集CVC-ClinicDB(Colonoscopy Videos Challenge-ClinicDataBase)和Kvasir-Capsule上进行测试,采用Dice相似系数(Dice similariy coefficient,DSC)、均交并比(mean intersection over union,mIoU)、精确率(precision)以及召回率(recall)为评价指标,在两个数据集上的DSC分别达到了94.22%和96.02%。进一步将两个数据集混合,测试了算法在跨设备图像上的鲁棒性,其中DSC提升分别达到17%—20%,在没有后处理的情况下,相较其他先进模型(state-of-the-art,SOTA),如U-Net在DSC、mIoU以及recall上分别取得了1.64%、1.41%和2.54%的提升,与ResUNet++的对比中,在DSC以及recall指标上分别取得了2.23%和9.87%的提升,与SFA (selective feature aggregation network)、PraNet和TransFuse等算法相比,在上述评价指标上也均有显著提升。结论 本文算法可以有效提高医学图像分割效果,并且对小目标分割、边缘分割具有更高的准确率。     

移动在线实时绘制技术研究综述

移动在线实时绘制技术受移动互联网发展的驱动,为3维可视化、计算机视觉、虚拟现实、增强现实、扩展现实和元宇宙等新兴研究领域提供了核心技术的支撑。本文以在线实时绘制技术为切入点,探讨了该技术在移动端、Web端、云端和多端协同这4类平台下的发展重心和研究现状,并深度阐述了工业级在线云平台的实施方案。首先,针对移动端的在线实时绘制,分析了近年来移动端绘制硬件构架设计的优化方向;探讨了在功耗和带宽受到制约的情况下移动端如何对渲染算法进行加速,如何对高功耗的光线跟踪算法进行优化;列举了包括图形应用程序编程接口(application programming interface,API)和游戏引擎在内的移动端渲染工具。然后,针对Web端在线实时绘制,分析了Web端的3D渲染机制,梳理了以3D场景的轻量化预处理、大规模3D场景的细粒度化网络传输、3D场景的对等传输以及Web3D在线特效渲染为代表的Web端在线绘制的关键技术(尤其面向大规模3D场景),列举了国内外知名Web3D引擎并探讨了主流游戏引擎对Web3D应用的支持。再后,针对云端在线实时绘制,从应用托管、资源调度和串流这三大云平台的核心功能入手,调研了以串流应用优化技术为核心的在线云绘制现状。此后,从多端绘制任务分摊机制入手,分析了以“端云”协同和“端边云”协同为目标的在线多端协同绘制的发展。最后,以当前工业级在线云绘制平台为研究对象,分析了包括微软、英伟达、Unity、酷家乐等一线云绘制企业的在线实时云绘制平台方案,验证了移动在线绘制技术在工业界的实用性。