基于自监督学习的病理图像层次分割

在苏木精-伊红(HE)染色病理图像中，细胞染色分布的不均匀和各类组织形态的多样性给病理图像的自动分割带来极大挑战。为解决该问题，提出了一种基于自监督学习的病理图像三步层次分割方法，对病理图像中各类组织进行由粗略到精细的全自动逐层分割。首先，根据互信息的计算结果在RGB色彩空间中进行特征选择；其次，采用K-means聚类将图像初步分割为各类组织结构的色彩稳定区域与模糊区域；然后，以色彩稳定区域为训练集采用朴素贝叶斯分类对模糊区域进行进一步分割，得到完整的细胞核、细胞质和胞外间隙这三类组织结构；最后，对细胞核部分进行结合形状和色彩强度的混合分水岭分割得到细胞核间的精确边界，进而量化计算细胞核个数、核占比、核质比等指标。对脑膜瘤HE染色病理图像的分割实验结果表明，所提方法对于染色和细胞形态差异保持较高的鲁棒性，各类组织区域分割误差在5%以内，在细胞核分割精度的对比实验中平均正确率在96%以上，满足临床自动图像分析的要求，其量化结果可以为定量病理分析提供依据。     

基于遥感图像散乱数据点的三角曲面片插值构造

基于散乱数据点集构造三角插值曲面的方法，在CAD／CAM、科学计算可视化、图像处理等领域有着广泛的应用。本文介绍一种基于遥感图像散乱数据点的三角曲面片插值构造方法。该方法通过在遥感图像上选取局部极值点来构成平面散乱数据点集，并在此基础上进行三角剖分、优化和三角插值曲面构造。此方法在海洋遥感图像多尺度分解处理应用中取得了较为理想的结果。     

一种在线社交网络的自适应观点引导模型及实现

在线社交网络已成为信息传播的重要途径,给人们获取信息带来便利的同时,也为不良信息的扩散提供了温床。目前主流的在线社交网络都采用关键字匹配的方式屏蔽不良信息的发布,在阻止信息本身的同时,也屏蔽了与其相关的积极观点的传播。本文提出一种自适应的观点引导模型,实现对在线社交网络用户的观点引导。该模型首先分析网络用户对事件／事物的观点和情感倾向,确定其中观点消极的用户作为引导对象,然后向其推送与之关注点相近且情感相对积极的信息或用户,进行观点引导,同时引入反馈机制,根据引导对象的观点变化动态调整推送内容,以实现长期精确引导。基于该模型设计并实现了观点引导系统,包括引导信息模块、观点标注模块、推荐模块和反馈模块,实现了自动选择群体、自动识别群体情感倾向、自动选择和调整推送内容等功能。实验结果表明,该模型能够实现对在线社交网络用户的观点引导。     

城市燃气管网系统脆弱性分析与评估

脆弱性评价是一种指标全面、理论成熟、结果贴切的系统风险评估新方法。在对燃气管网系统脆弱性研究的基础上,建立适合城市的燃气管网系统脆弱性评价指标体系。运用层次分析法,计算评价指标的权重。根据模糊数学理论,建立城市燃气管网系统脆弱性评估数学模型,计算系统脆弱度和确定系统脆弱等级。将某城市一段实际燃气管网带入该模型进行脆弱性评估,实现对模型的实例应用和效果检验。     

基于MIKE URBAN的西安市中心城区雨洪过程模拟

城市排水管网的分布与建设是城市基础设施建设的重要组成部分,城市的排水能力关系到城市服务功能的正常运转。通过城市雨洪过程的分析,可以评价城市洪涝灾害。以西安市中心城区为研究对象,利用MIKE URBAN构建排水管网模型,根据模拟结果对研究区管网排水能力进行评估,分析易涝成因。结果表明:MIKE URBAN能够较好地模拟城市管网水位、流量变化及易涝点的分布情况。根据西安市暴雨强度公式,设计不同重现期(1、2、3、5a)的降雨过程,在1a降雨过程下,研究区90%以上管道处于满流状态,60%以上的检查井发生溢流,满流管段数和溢流井个数会随着降雨频率的增加而增加,但增幅相对减少;管道设计标准普遍偏低、下垫面不透水率增大、地形等因素是导致地面积水的主要原因。研究成果可为城市内涝防治及海绵城市建设提供理论基础和技术支撑。     

面向对象多线程工业监控网络通信模型

采用面向对象以及多程设计方法，提出了一种工业控制网络与计算机网络有机结合的系统通信模型。该模型运用分层的设计思想，使系统结构清晰且具有很高的可靠性和可移植性。     

草酸二甲酯加氢制乙二醇Cu/SiO2催化剂工业应用常见问题及分析

针对草酸二甲酯加氢制乙二醇Cu/SiO_2催化剂在工业应用中易发生粉化和活性降低的问题,对Cu/SiO_2催化剂的理化性能和工艺操作条件进行比对和分析,结果发现:催化剂机械强度低、草酸二甲酯进料水含量高、系统压力波动大和热冲击是Cu/SiO_2催化剂发生粉化的主要原因;催化剂老化和烧结、循环氢气纯度、氢酯摩尔比和反应温度对Cu/SiO_2催化剂的活性具有较大的影响。     

UPS原理与常见故障分析

文章从UPS概念入手,详细分析了其原理以及常见故障的处理方法。通过文章的分析,希望能够对相关工作提供指导依据。