基于粗糙集和支持向量机的肿瘤图像识别

设计了一种基于粗糙集与支持向量基的乳腺肿瘤图像识别方法.其基本思想是首先对图片进行降噪预处理,接着提取纹理和形状特征构成表征医学图像的特征矢量,然后将特征离散归一化处理,再用粗集方法进行特征属性约简,最后利用支持向量基进行识别.结果表明,该方法取得了比较理想的识别效果.     

基于人工智能的模锻工艺优化平台开发

针对模锻件成形工艺特点,结合人工神经网络和遗传算法自主开发了模锻工艺优化平台。其中以Visual Basic为程序编程开发平台,以Matlab软件中的工具箱为基础,编程开发了所需的人工神经网络和遗传算法。并将开发的模锻工艺优化平台与有限元方法结合,对某涡轮盘模锻件的模锻成形工艺进行了优化设计,获得了好的结果。     

汉语拼音复韵母 ao、iao 与日语汉字读音的对应关系

试从汉语的韵母入手,找出汉语拼音复韵母ao、iao和日语音读的对应关系,从而提高日语学习者记忆单词的效率以及增加掌握汉字读音的准确率。本研究表明,在汉语中辅音和韵母ao组词的汉字,日语一般都将它们读成オ段长音。而在汉语中辅音和复韵母iao组词的汉字,日语吴音汉音一般都读作オ段拗长音。另外,因为辅音j、q、x不能和复韵母ao相拼读,只能和复韵母iao相拼读,一般日语吴音读做オ段拗长音,汉音读做オ段长音,个别读作入声音。     

高镍三元正极材料LiNi0.8Co0.1Mn0.1O2的合成与电化学性能研究

采用高温固相法在不同条件下合成了一系列球形LiNi0.8Co0.1Mn0.1O2正极材料,并通过XRD、SEM、TEM、EDS等表征手段对其物相结构、形貌以及电化学性能进行了研究.结果表明,Li/Me(摩尔比)为1.07时合成的正极材料结晶良好,结构稳定,以0.2 C倍率在2.8～4.3 V电压范围内的首次放电比容量为200.4 mAh/g,首次充放电效率为86.7％,1 C放电比容量为189.5 mAh/g,50次循环之后的放电比容量为178.3 mAh/g,此时容量保持率高达94.1％.继续循环至100次比容量还有145.7 mAh/g,容量保持率为76.9％.     

全自动双色注射模设计

介绍了全自动双色注射模具的技术要求和模具结构设计及动作流程 ,以实例分析了全自动双色注射模具的动作顺序     

针对有向图的局部扩展的重叠社区发现算法

当前社区发现算法主要是针对无向图研究社区结构,但在实际复杂网络中,链接关系时常表现出非对称性或方向性,比如Twitter的用户关注关系,文献网络的引 用关系,网页之间的超链接关系等应用网络。因此,本文依据信息在复杂网络中的传播规律和流动方向性,提出了k-Path共社区邻近相似性概念及计算方法,用于衡量结点在同一社区的相似性程度,并给出了把有向图转换为带方向权值的无向图的方法。基于带权无向图提出了一种从局部扩展来探测社区的重叠社区发现算法(Local and wave-like extension algorithm of detecting overlapping community, LWS-OCD)。在真实数据集上的实验表明,共社区邻近相似性概念实现了有向到无向的合理转换,而且提高了社区结点的聚集效果,LWS-OCD算法能够有效地发现带权无向图中的重叠社区。     

《胖乎乎的小手》第一课时教学设计

《胖乎乎的小手》是人教版小学语文一年级下册的一篇课文。课文以小见大,通过一张画巧妙地夸奖了兰兰从小爱劳动、关心长辈的好品德。整篇课文充满了家庭的温馨情感,内容和语言贴近儿童生活实际,对学生有很好的启发和教育作用。学生在日常生活中对于主动帮助父母做事情的意识比较淡     

教师学习社区推荐

随着网络的普及,教师的专业发展越来越受到教育工作者的关注。教师学习社区为教师的专业发展提供了广阔的交流平台。作为教师专业发展主要形式的教师学习社区,有教育部门的大力支持以及与商业网站的广泛合作,像满山遍野的鲜花一样烂漫。本期作者在分析了大量的教师学习网站后,精选出六个优秀的教师学习社区,向广大读者推荐。     

基于SQLServer的题库管理与智能组卷系统的设计与实现

组卷算法是题库系统的核心,现基于随机选题的数学模型设计并实现了一种优化、可行的组卷策略;并采用ADO(ActiveX Data Objects)技术实现题库中对于图像和数学公式的存取问题;基于C++ BUILDER平台开发了高校计算机专业基础课程的题库管理与组卷系统,该系统在实际教学环境下运行取得了良好的效果。     

多姿态图像生成的行人重识别算法研究

不同行人的高度相似性以及相同行人外观姿态的差异性,使得不同摄像头下的行人重识别面临严峻的挑战。生成对抗网络可以合成新的图像,被认为是解决行人姿态变化的主要技术手段。提出一种基于多姿态图像生成的行人重识别算法,利用生成对抗网络生成不同姿态的行人图像,通过归一化消除姿态的影响,从而大幅度提升行人重识别的整体性能。该行人重识别算法包括多姿态行人图像生成、不同姿态的行人特征提取与融合、距离度量和重排序三部分内容。在Market-1501数据集和DukeMTMC-ReID数据集上的实验证实了所提出算法的有效性,通过与state-of-the-art行人重识别方法比较,展示了多姿态图像生成方法在行人重识别任务中的优越性,同时表明生成行人图像的特征与原始图像的特征是相互补充的。