基于多特征融合的显著性目标检测算法

显著性目标检测是获取图像中视觉显著目标的任务,它是计算机视觉及相关研究领域的重要内容。当前在复杂的自然场景下基于深度学习的算法依然存在特征学习不足和检测错误率较高的问题,因此提出一种新颖的基于多特征融合的显著性目标检测算法。以HDHF(hybrid deep and handcrafted feature)模型的预测显著图作为特征,融合全局像素的深度特征。此外,利用显著性提名获取候选目标的位置,并在各候选目标中添加中心先验。在全卷积神经网络中,利用前向传播算法最终预测得到像素级的显著性目标。在四个包含多个显著性目标和复杂背景的图像数据集上进行验证,实验结果表明,该算法有效地提高了复杂场景下显著性目标的检测精度,尤其是在背景复杂的图像上具有较优的检测效果。     

企业信用评估指标体系及信用评估模型研究

针对企业的信用评估,基于已有研究,引入企业财务指标和非财务指标,使用机器学习分类方法构建信用评估模型,并对几种方法的分类准确率进行了比较分析. 实验结果表明,该信用评估指标体系可行,随机森林方法在该指标体系上的分类效果最好. 同时,优化了分类效果较差的多层感知器,提升了分类准确率.     

认知负荷理论指导下的并行计算实验教学探究

在认知负荷理论的指导下,从教学内容、教学材料、教学方法等方面进行探讨,阐述如何通过降低学生学习中的内在认知负荷和外在认知负荷,提高关联认知负荷,以激发学生的学习兴趣,进而掌握并行计算的基本方法,具备思维能力,为提高并行计算课程的教学质量提供新路径。     

平行耦合带状线带通滤波器的分析方法

传输线理论分析法由于未考虑到滤波器中不连续性结构所带来的传输损耗,往往其分析结果不够准确。针对这一问题,提出了一种新的平行耦合带状线带通滤波器的分析方法。在已获得的带状线不连续性等效电路模型基础上,运用传输线基本理论推导出了附加开路线的平行耦合带状线传输矩阵计算公式,将平行耦合带状线带通滤波器等效成单根带状传输线子网、阶梯跳变子网以及附加开路线的平行耦合带状线子网的级联,通过上述多个级联子网的传输矩阵相乘得到该滤波器的散射参数。实例验证结果表明,该方法计算结果与IE3D软件仿真结果吻合较好,且该滤波器散射参数的平均误差小于2%。     

利用Hash技术统计C源程序中关键字出现的频度的方法

介绍了利用Hash技术统计C源程序中关键字出现的频度的思路和方法。详细阐述了每个模块的具体设计方法,并给出使用C++语言描述的完整的程序。     

基于深度卷积神经网络和多核学习的遥感图像分类方法

为解决传统遥感图像分类方法特征提取过程复杂、特征表现力不强等问题,该文提出一种基于深度卷积神经网络和多核学习的高分辨率遥感图像分类方法。首先基于深度卷积神经网络对遥感图像数据集进行训练,学习得到两个全连接层的输出将作为遥感图像的两种高层特征;然后采用多核学习理论训练适合这两种高层特征的核函数,并将它们映射到高维空间,实现两种高层特征在高维空间的自适应融合;最后在多核融合特征的基础上,设计一种基于多核学习-支持向量机的遥感图像分类器,对遥感图像进行精确分类。实验结果表明,与目前已有的基于深度学习的遥感图像分类方法相比,该算法在分类准确率、误分类率和Kappa系数等性能指标上均有所提升,在实验测试集上3个指标分别达到了96.43%, 3.57%和96.25%,取得了令人满意的结果。     

三维打印中的底层多边形优化

三维打印过程中,底层多边形模型存在着数据点冗余、形状粗糙等问题,造成模型成型效率低,表面模型不光滑,急需要对底层多边形进行优化. 现有的多边形优化算法没有考虑到在三维打印过程从多边形转换为相应的加工指令及加工机构的平滑运行等问题. 为此,本文提出一种新的底层多边形优化算法,该算法利用基于面积最小原则的多边形简化算法来减少多边形顶点数,再通过Hermrite曲线和B样条对多边形进行样条化处理,使多边形边界变得光滑,并对样条化后的多边形顶点进行均匀离散化,使优化后的底层多边形更便于机械指令集的操作. 实验结果证明该算法可以提高底层多边形的质量并满足三维打印的工程要求.     

并行挖掘频繁项目集新算法——MREclat

针对Eclat算法在挖掘海量数据中的频繁项目集时存在的内存和计算资源不足等问题,提出了基于Map/Reduce计算模型的并行挖掘算法--MREclat。首先,将水平型数据库转换成垂直型数据库;然后,将转换后的数据按2-项集的前缀分发到各个计算节点上,且在分发数据时引入了均衡策略;接着,在各个计算节点上求出以某一前缀开头的所有频繁项目集;最后,合并各个节点的结果得到所有频繁项目集。介绍了MREclat的设计思想,研究了算法的运行性能。实验结果表明,MREclat算法效率大约是PEclat算法的2倍,加速比性能比PEclat算法提高了64%。     

消除噪声干扰的动态测量方法研究

由于测量噪声和补偿器的频率特性,使得传感器的动态补偿器存在严重的噪声干扰,影响到补偿器的参数辨识和补偿后的测量精度。研究了一种消除噪声干扰的动态测量方法,先通过小波变换估计噪声的方差,再由估计得到的方差,通过偏差消除的递推最小二乘法,对补偿器的参数进行无偏辨识;同时,采用多项式实时滤波器,消除高频噪声对测量精度的影响。最后,通过实验验证了该方法的有效性。     

英汉平行语料中双语兼类词消歧研究

对于一部分目前统计处理消歧效果较差、但出现频率又很高的兼类词,手工编写针对性极强的消歧规则。在未经词汇对齐的平行语料中,实现了基于个性规则的词性消歧方法。本研究为5个典型兼类词（过去、计划、与、back、so）设计的平行消歧算法,在大规模平行语料中得到了验证,平均F值达到了98.45%。研究结果表明该规则具有不受上下文长度和模板数量限制、特别适合于双语平行处理、消歧效果好等优点。