一种基于时空位置预测的空间众包任务分配方法

空间众包技术在现实物理世界中有着丰富的应用场景,得到学术界和工业界的广泛关注.任务分配是空间众包的主要研究问题之一,即把工人分配给合适的任务.但是现有的任务分配方法大多假设众包工人和空间任务出现的位置和时间是已知的,忽略了真实的众包平台中众包工人和空间任务的动态变化,由于空间众包平台的强时效性,这种情况下设计的分配方式...     

空洞残差U型网络用于视网膜血管分割

青光眼是一种不可逆转的致盲性眼科疾病,应当早发现和早治疗。但人工诊断是费时费力的过程,而且受基层医疗资源的限制,人工诊断很容易产生漏诊和误诊的现象。因此,利用深度学习技术辅助诊断眼疾病具有重大意义。如何更为准确且有效地分割视网膜血管成为眼疾病辅助诊断的研究热点问题。于是,基于U型网络（U-Net）提出一种新的网络结构称为空洞残差U型网络（Atrous Residual U-Net,AR-Unet）。在AR-Unet中,为了避免U-Net中的梯度消失以及图像结构信息丢失等问题,将残差网络（ResNet）引入到U-Net中。为了扩大感受野和提高物体间的相关性,再将空洞卷积（Atrous Convolution）整合到U-Net中,从而使得血管分割更加精确。在三个公开的彩色眼底图像数据集DRIVE、STARE和CHASE上进行大量实验,结果表明在不同评价指标下,AR-Unet方法的性能均要优于大多数对比方法。     

基于局部约束的自适应图标签传递方法

标签传递是一种有效的基于图的半监督分类方法,被广泛应用于图像分类、文本分类等任务中。在基于图的半监督分类方法中,图的构建在一定程度上影响算法的性能。尽管已有大量的图构建方法被提出,然而现有方法存在图的构建与后续学习过程分离以及忽略数据的局部结构问题。为了解决上述问题,提出了一种基于局部约束的自适应图标签传递方法。在该方法中,将图构建与标签传递结合形成统一框架,并且在图构建过程中同时考虑样本的局部性与稀疏性,使得优化图更具有稀疏性和判别性,从而有利于标签传递。还提出了一种迭代优化算法求解目标函数,并在四个数据库上进行大量的实验,证明了所提出方法的有效性。     

基于深度学习的X线胸片肺部描述自动生成

X线胸片报告的自动生成是计算机辅助诊断研究的热点,X线胸片中65%以上的疾病与肺部相关.针对肺部描述中文报告生成,提出基于语义标签的层级长短期记忆网络模型.首先,分析异常胸片报告,提取高频关键词作为图像语义标签.再加入异常二分类模块,用于修正语义标签分类结果.最后,融合语义标签与图像特征,加强二者的关联映射.实验表明,文中模型在通用和领域指标的评价上均较优,能有效提高胸片报告生成的性能.     

课程思政背景下的混合式教学模式实践 ——以Linux基础课程为例

针对计算机类课程教学中存在诸多的问题,根据Linux基础课程特点,提出从课程相关的人物、企业以及课程的重要思想中挖掘思政元素,介绍利用学习通以及雨课堂工具开展线上线下混合式教学的过程,最后从学生成绩、评教等角度比较传统教学法与混合式教学法,证实混合式教学法能达到较好的教学效果.     

多局部约束自表示的谱聚类算法

谱聚类是一种有效的子空间聚类方法被广泛应用于图像聚类、图像分割等领域中。然而,谱聚类方法的性能在一定程度上依赖于图的构建,因此如何构建有效的图成为谱聚类中的关键问题。为了解决现有图构建方法存在的不足,提出一种基于多局部约束的自表示图构建方法。该方法不仅考虑样本的自表示能力,而且考虑样本的局部结构信息。尤为重要的是,在构建局部约束项时,通过自适应加权方式融合多种不同距离度量准则。提出一种迭代优化算法求解目标函数。在三个标准人脸数据库上,验证了该方法的有效性。     

基于有监督降维的人脸识别方法

局部降维方法中存在仅考虑图像的相似信息,不能较好地保持图像的差异信息和像素间的空间结构等问题。为此,提出一种新的有监督降维方法,通过构建局部邻域相似图和局部差异图来刻画图像的局部结构。考虑到像素的空间结构,引入二维离散拉普拉斯图的光滑正则化来约束变换矩阵的平滑性。在Yale和ORL人脸数据库上进行实验验证,结果表明,该降维方法既能保持图像之间的局部结构信息,又能较好地保持图像间的差异信息及像素间的空间结构,并针对人脸图像可以有效提取出具有区分能力的低维特征,具有较高的识别精度。     

基于数据场聚类的共享单车需求预测模型

共享单车系统日益普及,积累了海量的出行轨迹数据.在共享单车系统中,用户的借车和还车行为是随机的,且受天气、时间等动态因素影响,使得共享单车调度不平衡,影响单车用户体验,并给运营商造成巨大经济损失.提出了新型基于站点聚类的共享单车需求预测算法,通过构建单车转移网络计算站点活跃度,充分考虑站点地理位置和单车转移模式因素,基...