基于EasyDL的新冠肺炎检测系统研究

通过EasyDL平台搭建基于CT影像的新冠肺炎检测系统,利用人工智能在图像识别上能够自动学习图像特征及区分图像特征之间差异的特点,来检测病人是否患有新冠肺炎.实验结果显示,新冠肺炎识别精确度为100.00％,感染性肺疾病识别精确度为98.06％,非感染性肺疾病识别精确度为93.64％,正常肺部识别精确度为98.03％....     

高并发网站的架构研究及解决方案

随着互联网的发展,网站规模不断增大,各种技术被提出用于提升网站的安全与性能。在分析影响系统安全和性能因素的基础上,提出了一套网站架构解决方案,用以寻求安全与性能的平衡点,并为高校网站管理运维探索总结成功经验。     

高并发高负载网站系统架构研究

高并发高负载网站系统架构是涉及计算机硬件技术和软件技术多方面知识综合的研究课题,本文论述了高并发高负载网站系统架构发展现状、目前主要的解决方案,并重点介绍了数据库集群技术和WEB缓存技术,最后论述了网络负载均衡技术以及高并发高负载网站系统架构的研究方向。     

新冠肺炎疫情下的本科线上教学方案与实践

新冠肺炎疫情使得全国高校开展了大规模的线上教学活动。该文阐述了在疫情形势下开展线上教学的方案与实践。     

自适应变异粒子群优化算法及在新冠肺炎疫情传播预测中的应用

为克服粒子群算法容易陷入局部最优和全局寻优精度不高的缺点,通过对算法的局部寻优和全局寻优的特点进行分析,首先使用正态分布衰减策略改进惯性权重;同时基于算法运行的时间自适应采用不同的基于高斯分布及柯西分布的变异优化策略,解决全局搜索和局部开发能力的不平衡问题,实现了局部寻优和全局寻优的双重优化,满足了提高寻优速度和寻优精...     

面向高并发在线考试系统的性能优化

在线考试是线上教育的重要组成部分,随着线上教育的迅速发展,加之考试本身的特殊性,在线考试系统往往会面临高并发场景。本文分析在线考试系统中出现的高并发场景,在传统的系统架构之上,加入基于Redis的缓存层,并提出两个优化方法：缓存预热和延迟写入,分别用于改善在线考试开始时高并发读和在线考试期间高并发写的性能。实验结果表明,这两种方法能有效提高单机处理请求的吞吐量,降低请求的平均响应时间,因而能在机器数量保持不变的情况下,提高整个在线考试系统的并发量。此外,为了避免缓存层不可用时,整个系统无法正常提供服务,本文提出一种容错机制,将系统与缓存层进行解耦,从而提高系统的可用性。目前,这些优化方法已经被用于华东师范大学研发的“水杉在线”学习平台,有效提高了用户的体验感。     

新冠疫情背景下青少年网络越轨行为研究

新冠疫情当前，青少年需要参与线上课堂完成学业任务，接触网络的机会和使用网络的时间大大增加，这导致他们实施网络越轨行为的可能性变大。本文从社会学理论视角出发，运用社会控制理论、紧张理论和差别接触理论对青少年网络越轨行为进行分析，并对后疫情时代青少年网络越轨行为的预防和控制提供对策建议。     

基于并发策略的分布式文件系统性能优化方案

分布式文件系统是构建分布式存储系统的核心底层子系统,它的性能影响着整个分布式存储系统的性能。针对Hadoop分布式文件系统性能的不足,提出基于并发策略的性能优化方案,改进其写操作性能。实验表明该方案能有效的提高写的性能,提高系统的执行效率。     

基于多尺度优化感知网络的口罩检测方法

佩戴口罩是全球医学专家公认最有效的预防新冠肺炎感染的方法之一。基于视觉的智能口罩检测技术对于督促人们在公共场合佩戴口罩具有重要的作用。然而,目前专用口罩检测算法较为缺乏,通用目标检测算法对于多尺度、多角度和外观多样的戴口罩人脸目标识别仍然无法满足检测精度的要求。针对该问题,提出了一种基于多尺度优化感知网络的口罩检测方法——PyramidMask。首先,PyramidMask从骨干网络的不同尺度获取图像的多层特征;然后设计尺度感知分支进行不同层的高密度先验框独立预测,以端到端的方式对图像中多尺度的人脸进行精准定位和佩戴口罩检测。此外,为了提高模型对复杂环境的鲁棒性,在训练阶段以图像拼接的方式对训练样本进行数据增强。实验结果表明,在公开的口罩检测数据集上,PyramidMask优于当前主流方法。相较于基准方法,PyramidMask在检测戴与未戴口罩的召回率上分别有5.4%和12.5%的提升,精确率上分别有6.0%和4.1%的提升。     

新冠肺炎疫情大数据可视化平台设计与实现

介绍了新冠肺炎疫情大数据可视化平台的搭建:以大量的新冠肺炎疫情数据为基础,借助Echarts技术以及交互组件,通过可视化图形与地图集成的方式对疫情数据进行可视化展示.实现从多个角度展示国内疫情发展趋势,丰富了疫情数据的展示内容,为广大人民群众了解新冠肺炎疫情提供了便利.     

基于多模型融合的肺部CT新冠肺炎病灶区域自动分割

自2019年末以来,全球蔓延的新型冠状病毒(Coronavirus disease 2019, Covid-19)已经给世界人民造成了严重的健康威胁.其中新型冠状病毒患者的计算机断层扫描(Computer tomography, CT)图像通过肺炎病灶分割技术可以为医学诊断提供有价值的量化信息.虽然目前基于深度学习的方法已经在新型冠状病毒肺炎病灶分割任务上取得了良好的效果,但是在面对不同中心数据的情况下分割效果往往会大幅下降.因此,研究一种具有更好泛化性能的新型冠状病毒肺炎病灶分割算法具有重要意义.提出一种新冠肺炎病灶多模型融合分割方法.通过训练3DUnet模型和2DUnet结合方向场(Direction field, DF)模型,利用多种模型各自优点进行分割结果的融合,得到更好的泛化性能.通过同中心和跨中心数据集的实验,证明该方法能够有效提高新冠肺炎病灶分割的泛化性能,为医学诊断分析提供帮助.     

“新冠病毒”模型掠影—“新冠病毒”模型支援抗疫斗争概述—

2020年是极不平凡的一年。特别是新冠病毒全球性肆虐,真正是一次罕见的全球性危机。科技赋能疫情防控。高新技术是"战疫"重要法宝。仿真技术同样是高新技术重要的一环,在"抗疫"斗争中,发挥了重要的作用。国内外许多专家学者都从不同角度,从数学模型的角度探讨新冠病毒传染问题,从宏观上对于这一问题进行探讨。     

基于改进U-Net模型的新冠肺炎图像分割

新型冠状病毒肺炎（COVID-19）自2019年爆发一直蔓延至今天,使用电子计算机断层扫描（CT）来诊断患者是否感染此病毒已经成为重要的诊疗手段。通过使用深度学习技术对肺部CT图像自动分割病变区域可以帮助医生更高效的判断患者是否感染病毒以及目前所处的病程。针对该问题,本文在U-Net模型的基础上结合残差连接,分层分裂模块（Hierarchical-SplitBlock）,坐标注意力（CoordinateAttention）和特征内容感知重组（Carafe）上采样提出了一种改进的U-net模型对肺部CT图像病变区域进行分割。改进U-Net模型的Dice系数和m Iou系数分别为81.7%和76.9%,对比FCN等经典模型效果有所提升。     

高并发Web航空票务秒杀系统的设计与实现

针对电子商务秒杀系统中出现的瞬时高并发访问的问题,设计并实现了一个鲁棒的、可扩展的航空机票秒杀系统.根据高并发Web秒杀系统的特点,从网站的系统架构优化入手,从负载均衡、页面优化、缓存设计与优化、数据库优化等方面详细研究了高并发Web秒杀系统的解决方案.该方案可以有效解决高并发Web秒杀系统的高并发难题,应用实践表明了该方案的可行性.     

基于情感特征的新冠肺炎疫情舆情演化分析

针对突发事件的舆情演变态势进行分析,发现社会舆情的演变规律,提出了一种基于情感特征的舆情演化分析方法,该方法包含舆论情感分析模块与舆情演化分析模块.舆论情感分析模块基于B E RT预训练模型和BiGRU模型,其中BERT作为词嵌入模型提取舆情文本特征向量,BiGRU则用于提取文本特征向量的上下文联系实现对舆情数据情感极...     

基于ECharts的新冠肺炎疫情实时监控系统的设计与开发

ECharts是一款功能强大的开源可视化库.为使疫情监控准确实时,基于ECharts设计并开发了一款疫情实时监控系统,实现实时更新疫情数据,展示疫情新增、累计趋势及中国各地区疫情数据等功能.该系统实现了疫情数据可视化,可直观地展现疫情形态,传达疫情信息,对疫情溯源、监测、疫情防控部署等方面起到了积极作用;同时也能够使人...