用电管理监控系统的设计与开发

介绍了基于VB6.0开发的用电管理监控系统的3个主要模块:系统主界面、系统操作界面和数据库的设计与开发.该系统可以通过对下位机用电量数据的采集,实现对用电量数据的接收、实时保存、查询、越限报警、定时刷新、曲线图绘制等功能.     

导弹气动数据库管理系统分析与设计

导弹气动数据库管理系统结合具体风洞试验类型,建立相关数据结构.该系统由管理平台、后置处理、前置处理及其他软件接口部分组成.系统关键技术含气动数据结构的设计、数据的标准化表示、数据的对比分析及模型数据的前置处理.     

基于组合权重分析的引信失效诊断技术

基于组合权重分析的引信失效诊断技术,包括由构造递阶层次、构造成对比较矩阵、计算权重及一致性检验等步骤组成的准则层重要度分析技术;由通过构造成对比较矩阵、计算权重及一致性检验得以完成的安全性重要度分析技术;以及由计算系统组合权向量和系统组合一致性检验两步构成的系统组合权向量分析技术.     

军械装备器材三维数据自动采集系统

基于激光三维扫描仪的军械装备器材非接触式三维信息采集系统,由PC机、激光扫描仪及旋转台装置组成.由零件寻位扫描控制软件获得装备表面特征的扫描点云数据.通过PolyWorks对数据预处理并拟和成NURBS曲面、网格模型生成后再简化和修补其三角模型.最后输出STL文件,同时以其它格式输出给其它软硬件系统.     

GPS在消防指挥系统中的应用

基于GPS的消防数据采集和车辆监控系统.其消防数据采集系统采用C/S结构,利用GPS采集器实地采集消防栓、水源点及消防重点保障单位位置、状态及属性等信息,通过GPRS网络将数据实时传送到指挥中心数据接收处理服务器.服务器对数据解码处理后,将其保存在数据库系统中.用户可通过数据管理系统,显示、编辑和查询采集的信息.车辆监控系统则由车载信息、监控中心和数据通信系统组成.     

数据挖掘在芯片生产过程数据分析中的应用

介绍了如何使用基于粗糙集理论数据挖掘技术,对生产线的生产率和成品率进行快速的预测.在出现产量突然降低时,使用统计分析方法迅速找到使其降低的主要原因,然后就可对其采取有效的措施,从而满足高产量的要求.     

2017—2019年郴州市食源性疾病主动监测病原学特征及耐药分析

目的 了解郴州市食源性疾病的病原学特征和流行规律,为食源性疾病预防控制措施提供科学依据。方法 收集2017—2019年郴州市2家哨点医院主动监测的病例信息、粪便或肛拭子标本,依据《国家食源性疾病监测工作手册》中的方法对标本开展病原学检验、病原体分型以及药敏试验。结果 采集腹泻病例标本825份,病原体总检出率为30.18%（249/825）,其中沙门菌16.24%（134/825）、诺如病毒11.76%（97/825）、致泻大肠埃希菌3.52%（29/825）、副溶血性弧菌0.73%（6/825）、志贺菌0.12%（1/825）;第二、第三季度细菌检出率高,第一、第四季度病毒检出率高;不同年龄段病原体检出率以2～6岁年龄段最高（40.79%,31/76）;可疑暴露食品主要为乳及乳制品、粮食类及其制品和水果类及其制品;检出的沙门菌中以鼠伤寒沙门菌占比最高（74.63%,100/134）,致泻大肠埃希菌中以肠黏附型（EAEC）和产肠毒素型（ETEC）占比最高（34.48%,10/29）,诺如病毒以GⅡ型为主（85.57%,83/97）;沙门菌对四环素（TET）耐药率最高达88.71%（110/124）,沙门菌多重耐药率达85.48%（106/124）;致泻大肠埃希菌对氨苄西林（AMP）耐药率较高（79.31%,23/29）,致泻大肠埃希菌多重耐药率为62.07%（18/29）。结论 郴州市食源性疾病腹泻病例的主要病原体为沙门菌和诺如病毒,沙门菌和致泻大肠埃希菌耐药严重,应针对性地开展食品安全监管,强化抗生素耐药监测,严防抗生素滥用。     

明文图像可逆信息隐藏综述

图像可逆信息隐藏作为信息隐藏的重要分支,发展至今已近三十年,因其独有的图像无损恢复能力,一直备受医学、司法、军事等重点领域的青睐。然而现有可逆信息隐藏研究成果繁多,迁移知识广泛,本文简要梳理可逆信息隐藏的发展脉络,在回顾经典算法的基础上,加以简化、注释,总结成功经验,展望潜在应用,以期为研究者提供一个按图索骥的探索路径。本文主要包括3个部分,分别为位图（Bitmap,BMP）图像的可逆信息隐藏（适用于空域嵌入操作）、JPEG （Joint Photographic Experts Group）图像的可逆信息隐藏（适用于频域和编码域嵌入操作）和鲁棒可逆水印（适用于扩展性研究）。通过近百篇高影响力文献的梳理可知,可逆研究的受众广泛、基础深厚,其严谨的数学定义和简明的机理论证是深受研究者推崇和坚持的重要原因。“干净、简明”的特点也是其能够与现实应用有效结合的强力抓手。增加可逆算法对于载体多样性的普适性研究,引入新的评价指标来导引算法与现实应用的融合,将是未来可开拓的方向。可逆信息隐藏技术能够恢复图像初始状态,其独特之处在于图像本身就是一个复杂语义的信息表达。这既要求可逆嵌入操作所施加的影响不能改变图像所表达的主要语义,又要求该操作是可消除的,保留溯源能力,将内容的信息表达权始终交由图像本身。这一特点不仅为敏感领域信息处理所亟需,也是其他常见领域并不排斥的。严格来说,一定程度上的复原本就是事物发展到一定阶段后的必然追求。据此,本文认为推广可逆研究与多学科融合解决更难、更广泛的问题,实现长远发展,是完全必要且可行的。     

数据受限条件下的多模态处理技术综述

随着多媒体技术的发展,可获取的媒体数据在种类和量级上大幅提升。受人类感知方式的启发,多种媒体数据互相融合处理,促进了人工智能在计算机视觉领域的研究发展,在遥感图像解译、生物医学和深度估计等方面有广泛的应用。尽管多模态数据在描述事物特征时具有明显优势,但仍面临着较大的挑战。1）受到不同成像设备和传感器的限制,难以收集到大规模、高质量的多模态数据集;2）多模态数据需要匹配成对用于研究,任一模态的缺失都会造成可用数据的减少;3）图像、视频数据在处理和标注上需要耗费较多的时间和人力成本,这些问题使得目前本领域的技术尚待攻关。本文立足于数据受限条件下的多模态学习方法,根据样本数量、标注信息和样本质量等不同的维度,将计算机视觉领域中的多模态数据受限方法分为小样本学习、缺乏强监督标注信息、主动学习、数据去噪和数据增强5个方向,详细阐述了各类方法的样本特点和模型方法的最新进展。并介绍了数据受限前提下的多模态学习方法使用的数据集及其应用方向（包括人体姿态估计、行人重识别等）,对比分析了现有算法的优缺点以及未来的发展方向,对该领域的发展具有积极的意义。     

结合目标检测与匹配修正的手腕骨兴趣区域提取

目的 在骨龄智能评估研究中,如何准确地提取手腕参照骨的兴趣区域（region of interest,ROI）是保证骨龄精确评估的关键。基于传统深度学习的方法用于手腕骨ROI提取,存在个别参照骨漏判、误判等情况,导致平均提取准确率较低。本文结合目标检测强大的定位和识别能力,以准确提取所有手腕骨ROI为目的,提出了一种参照骨自动匹配与修正方法。方法 针对不同参照骨形状、位置等特征表现出的规律性和关联性,本文采集了大量不同性别、不同年龄段的人手腕图谱作为参照骨样本匹配,然后分多个阶段提取参照骨ROI：1）基于目标检测算法初步提取出所有参照骨候选ROI,并根据一定的阈值剔除置信度较低的区域;2）结合参照骨的大数据样本构建位置点匹配模型,对剔除区域进行自动匹配与填补,保证ROI提取的完整性;3）通过多尺度滑动窗口以及ROI分类模型,对填补得到的ROI位置进行滑动修正,进一步保证提取准确率。结果 实验结果表明,本文结合目标检测与匹配修正的方法优于现有绝大多数方法。其中,匹配修正方法在目标检测算法的提取结果基础上,提升了约1.42%的平均准确率,当结合Faster R-CNN （region-convolutional neural network）算法时能达到最高98.45%的交并比（intersection-over-union,IoU）准确率。结论 本文方法利用手腕骨的位置特征,对个别提取困难的参照骨类型进行重新匹配与修正,有效地弥补了传统方法泛化能力不足的缺点。本文方法能够同时面向人手腕中所有参照骨ROI提取,具备良好的扩展性和易操作性。