模糊综合评判理论在研究性学习系统中的研究及应用

介绍了工程数学中的模糊综合评判理论以及相应树型向量推理算法,并将模糊综合推理机制运用到研究性学习系统中进行研究型应用。该系统中运用模糊综合评判对学习效果进行合理评判,得出综合成绩,以其作为改进研究性学习模式的参考评证,从而使研究性学习过程良性发展。     

一种类的序列化与反序列化框架

该文提出了一种方便扩展,高可复用的类的序列化与反序列化模块的框架设计,通过这种做法使程序开发人员从繁重的编码过程中解放出来,使他们能够更为关注程序中的业务逻辑。使整个程序系统结构清晰,方便维护。     

基于电子邮件的数据交换机制的设计与实现

目前很多实际软件项目需求中都要求多个网络主机互相自动传输数据文件,而目前已有的解决方案均不能很好地满足此要求。该文首先分析了传统方案的若干缺陷,并针对性地提出一种全新的基于电子邮件的数据交换传输机制,并详细介绍了这种新传输机制的总体思路和过程,最后分析了这种新传输机制的优势。     

基于多线程和消息的局域网通信程序实现

目前大多数的局域网通信程序工作在服务器/客户机模式下.在此模式下的应用程序工作过程相对复杂且消耗资源较多.介绍了一种基于多线程技术和Windows消息机制的局域网通信程序的实现过程,使得两台网内主机可以在对等模式而不是传统的服务器/客户机模式下进行数据传输,从而简化了常见局域网通信程序编制中较为复杂的工作过程,实现了一种相对便捷的网络数据传输方式.     

Vista中信任链建立机制研究

信任链机制是Vista建立可信环境的基础,对其实现过程及安全性分析将为Vista的安全评估提供重要依据.针对Vista中信任链的建立过程,对可信计算机制在Vista中的实现进行了详细的分析,并通过逆向工程的手段对Vista信任链建立过程中的相关代码进行了剖析,给出它们的实现方式和主要的工作流程.并对Vista信任链机制的安全性进行了分析,给出其安全隐患.     

飞机电气设备自动测试系统设计

从国内外飞机检测技术的现状入手,通过对飞机电气设备自动化检测的需求进行分析,设计了飞机电气设备自动测试系统,介绍其总体结构和工作原理,详细论述了硬件系统的各部分组成与功能,并给出软件系统的设计方案.在实际应用中,实现了飞机电气设备测试的自动识别,具有良好的扩展性,解决了人工测试方式费时费力的问题.     

LR-WPAN 802.15.4协议MAC的安全组件研究

介绍IEEE低速无线个人区域网(LR-WPAN)协议802.15.4安全体系中的安全模式、访问控制(ACL)入口及安全服务.提出工作在安全模式最高级别的AES-CCM组件输出,输入帧验证和加/解密的具体实施方法,并进行时间性能实验.工作环境资源受限情况下,可裁减和分级安全体系可满足不同应用中的安全需求.     

基于DSP智能家居控制系统设计

本文以凌阳16位微控制器SPCE061A为核心,配合各种外接监控设备,设计一套智能家居控制系统.采用高性能收发组件完成监控设备信息采集与传送.详细介绍了具有语音识别功能的新一代智能家居控制系统的硬件配置与软件流程,从而在实现系统功能的同时,将低成本、低功耗与友好人机界面有机结合起来.     

考虑天然气混氢的园区综合能源系统电制氢优化配置

电制氢和天然气混氢技术在促进可再生能源消纳、降低系统碳排放量方面具有良好的理论研究和工程应用前景。面向含高比例可再生能源的园区综合能源系统,提出一种计及天然气混氢及跨季节存储的电制氢优化配置方法。首先梳理了含氢园区综合能源系统的运行框架和能量流动关系,建立园区内部能源生产、转换与存储设备的数学模型,其次以设备的年化投资成本、园区综合能源系统的年度运行成本和碳交易成本最优为目标,提出电制氢优化配置模型。最后通过算例分析表明电制氢及天然气混氢技术的引入可提升可再生能源的消纳能力,降低系统的整体经济成本和碳排放量,并分析了电解槽投资成本、混氢体积分数上限以及经济性和低碳性成本权重系数变化对规划运行结果的影响。关键词：园区综合能源系统;电制氢;天然气混氢;碳交易;跨季节储氢;优化配置 中图分类号：TM732     

Blood cell counting based on U-Net++ and YOLOv5

Clinical information about a variety of disorders is available through blood cell counting, which is usually done by manual methods. However, manual methods are complex, time-consuming and susceptible to the subjective experience of inspectors. Although many efforts have been made to develop automated blood cell counting algorithms, the complexity of blood cell distribution and the highly overlapping nature of some red blood cells (RBCs) remain significant challenges that limit the improvement of analytical accuracy. Here, we proposed an end-to-end method for blood cell counting based on deep learning. Firstly, U-Net++ was used to segment the whole blood cell image into several regions of interest (ROI), and each ROI contains only one single cell or multiple overlapping cells. Subsequently, YOLOv5 was used to detect blood cells in each ROI. Specifically, we proposed several strategies, including fine classification of RBCs, adaptive adjustment for non-maximal suppression (NMS) threshold and blood cell morphology constraints to improve the accuracy of detection. Finally, the detection outcomes for each ROI were combined and superimposed. The results show that our method can effectively address the issue of high overlap and precisely segment and detect blood cells, with a 98.18% accuracy rate for blood cell counting.