Linux内核2.6.24的 CFS调度器分析

Linux内核2．6．24采用了新的调度器CFS（Completely Fair Scheduler）,以公平的原则对待所有任务。其性能和对交互进程的响应速度都超过之前版本内核的O（1）调度器,并且算法与实现也更简单。先简单对比了O（1）和CFS,然后结合源代码对CFS的算法和实现作了分析。     

基于CBAM-InceptionV3迁移学习的食品图像分类

为提高食品图像自动识别分类的准确率,提出一种嵌入通道注意力机制和空间注意力机制的卷积块注意力模块(CBAM)的“开端”第三版(Inception V3)分类模型。将带有图像网络(ImageNet)预训练权重参数的InceptionV3模型拆分后,在每个Inception块后嵌入CBAM模块,再重新组装成新模型,共嵌入11个CBAM模块。将此模型用于经过填充和缩放到299×299像素的Food-101食品图像数据集进行迁移学习,最高准确率达到82.01%。与原始的InceptionV3模型相比,CBAM模块能够有效提升模型的特征提取和分类能力;同时迁移学习与从头开始训练相比也可以大幅提高准确率、缩短训练时间。与其它几类主流卷积神经网络模型进行对比实验,结果表明该模型具有较高的识别准确率,可为食品图像分类识别提供有力支撑。     

检验仪器中的SQLite数据库编程

SQLite是开放源码的基于文件系统的嵌入式关系数据库,具有体积小、快速高效、稳定可靠、夸平台等特点,非常适用于嵌入式环境下的数据管理。该文结合具体实例,介绍了将SQLite应用于医用检验分析仪器开发,在arm嵌入式Linux及QTEmbeded环境下的编程方法。     

手术机器人夹持力检测技术进展

夹持力检测是医疗机器人进行手术的必要手段。在手术过程中,通过检测夹钳的夹持力,然后反馈给医疗机器人控制系统进行调整操作,可避免因夹持力过大对患者人体组织造成不必要的损伤。本文回顾了近6年有关医疗机器人夹持力检测方面的研究情况,总结了目前6种医疗机器人夹持动作力检测的实现技术,并对其原理、性能、应用前景进行了对比,最后对手术机器人未来的发展做了展望。     

一种生成所有堆的枚举算法

提出了一种生成所有堆的枚举算法，该算法采用了递归子树判断法，递归地将待生成的堆分为左右2个子树判断，并结合层次判断方法，提高了算法的效率，测试结果验证了该算法的有效性和可靠性。     

Linux内核组调度的研究与应用

进程调度是操作系统内核的重要功能。组调度是当前操作系统内核调度算法的发展方向之一,在linux最新内核中,在完全公平调度算法CFS的基础之上,实现了基于分组的进程调度。该文以Kernel2.6.27源代码为参考,从数据结构和程序实现等方面对组调度算法做了分析,并举例说明了组调度应用的方法。     

用于手术机器人的软质夹钳综述

通常，手术机器人采用的软质夹钳可以减少手术过程中对人体组织的损伤，一般以气动通道或者线缆牵拉方式驱动软质夹钳完成夹持动作。与传统金属夹钳相比，软质夹钳更适用于使用上述方式来驱动手术机器人。本文对近年来软质夹钳的相关研究进行分析和对比，并对软质夹钳未来的发展进行展望。