人体数字图像中各组织影像的边缘提取算法研究

针对人体数字医学图像中各组织影像界限不明显、图像总体模糊、单个组织影像不均匀等特点,提出一种能够有效提取影像边缘以区分和观察各组织影像的方法。利用计算机图像处理技术,对组织影像进行灰度处理,进而根据不同组织影像的特征,选定相应的阈值,用算法程序对组织影像边缘进行有效提取,得到一系列效果图,通过观察分析得出实验结果。结果表明,该方法能够有效地提取出人体不同组织影像的边缘,有助于医生的临床诊断与分析。     

PLC与组态王十字路口交通灯控制系统设计

使用欧姆龙PLC控制器设计十字路口交通灯控制系统。在设计硬件接线图与软件功能图的基础上,编写出相应的梯形图程序．采用CX—Programmer软件和Kingview 6．53组态软件进行模拟仿真。实验结果表明,该交通灯控制系统界面友好。运行正常,具有较好的控制效果。     

基于无线通信方式的TV二次压降现场测试方法

针对传统的TV二次压降现场测试方法存在的问题,提出基于无线通信技术的检测方法。以提高工作效率,降低安全风险。     

实时洪水预报中基于岭估计的AR修正模型研究

为提高实时洪水预报精度,经常将水文模型与误差修正模型相结合,AR模型因其结构简单广泛应用于实时洪水预报误差修正。然而,实际应用显示,AR模型时常出现修正结果不稳定现象,表现为流量修正幅度过大,甚至出现“震荡”现象,严重影响修正效果。鉴于此,本文从矩阵特征值角度解释了AR模型出现不稳定现象的原因,并引入岭估计方法选择性利用流量信息更新自回归系数,使其更满足真实流量的涨落过程,增强该模型的稳健性。将新方法应用于蔺河口流域,结果显示岭估计方法显著提高了AR模型的稳健性,从而改善了模型修正效果,进一步提高了洪水预报精度。     

一种求解命题公式骨干集的警示传播算法

警示传播WP算法是一类重要的信息传播算法,在命题公式的可满足性判定中非常有效。通过对WP算法的数学原理分析发现,当算法收敛时以高概率固定部分变元的赋值,可以对公式进行化简。基于这样的特征修改WP算法的迭代方程和变元赋值条件,设计了一种求解命题公式骨干集的信息传播算法。当变元数目超过400时,与经典骨干集求解算法对比,效率提高了40%,与目前常用算法对比也有10%的提高。结果表明,所提算法求解命题公式骨干集时非常有效。     

中文知识库问答中的路径选择

路径选择是知识库问答任务的关键步骤,语义相似度常被用来计算路径对于问句的相似度得分。针对测试集中存在大量未见的关系,该文提出使用一种负例动态采样的语义相似度模型的训练方法,去丰富训练集中关系的多样性,模型性能得到显著提升。针对复杂问题候选路径数量组合爆炸问题,该文比较了两种路径剪枝方法,即基于分类的方法和基于集束搜索的方法。在包含简单问题和复杂问题的CCKS 2019-CKBQA评测数据集上,该方法能达到较优异的性能,测试集上单模型系统平均F₁值达到0.694,系统融合后达到0.731。     

基于多通道分离整合的多尺度单幅图像去雨算法

由于密度不同的雨对图像造成的遮挡不同,图像去雨一直都是一项极具挑战性的任务。目前,基于深度学习的图像去雨算法已经成为主流。然而,多数深度学习的架构都是通过堆叠卷积层来设计的,执行去雨任务后图像仍存在着大小不一的雨痕,这些方法并不能很好地关注训练中雨图的局部信息和上下文信息。为了解决上述问题,本文设计一种基于多通道分离整合的卷积神经网络用于图像去雨。第一步通过通道分离,再利用卷积层间的层级连接,构成多尺度模块,最终将不同通道的输出进行整合。该模块可以增大感受野,探索特征图之间的空间信息,更好地提取特征。第二步利用渐进网络来反复计算挖掘上下文信息,能够很好关联到全局特征。整体模型易于实施,可以端对端训练。在常用的数据集以及自建的自动驾驶雨天数据集上的大量实验表明,本文方法比现有方法取得了明显的改进。     

引入动态内存分析的微信撤回消息恢复方法

作为广受用户青睐的即时通信系统,微信在给人们生活带来极大便利的同时,也给不法分子提供了违法犯罪的新手段、新工具。微信聊天记录作为我国法律中明确列出的电子证据类型,其有效性引起广泛关注,使得微信聊天记录的恢复成为相关领域的研究热点。针对现有的聊天记录恢复研究多集中于删除消息的恢复,撤回消息的恢复尚未取得有效进展,通过研究PC版微信运行过程中的动态内存管理机制,分析撤回消息在动态内存中的特征字符及字段结构,对比文本、表情、图片等不同类型的消息在内存中的存储原理,提出一种基于动态内存分析的微信撤回消息恢复方法。利用Python语言编写的工具实现了对微信撤回消息原文、撤回状态、撤回方微信ID等内容的批量恢复,验证了该方法的有效性。     

对抗样本三元组约束的度量学习算法

针对已有三元组约束的度量学习算法大多利用先验知识构建约束,一定程度上制约了度量学习算法性能的问题,本文借鉴对抗训练中样本扰动的思想,在原始样本附近学习对抗样本以构造对抗三元组约束,基于对抗三元组和原始三元组约束构建了度量学习模型,提出了对抗样本三元组约束的度量学习算法(metric learning algorithm with adversarial sample triples constraints,ASTCML)。实验结果表明,提出的算法既克服了已有固定约束方法受先验知识影响大的问题,也提高了分类精度,说明区分更加难以区分的三元组约束能够提升算法的性能。     

多溶洞地层桩端极限承载力下限有限元法分析

为计算多溶洞地层桩基的极限承载力,通过MatLab平台编制了用于分析多溶洞地层桩端极限承载力下限的有限元法计算程序。采用平面应变模型,并假定材料符合Mohr-Coulomb准则和塑性关联流动法则。定义无量纲参数N来衡量各参数对桩端极限承载力的影响。根据桩与溶洞间的相对位置关系,详细探讨了6种工况下桩端极限承载力的变化规律,并分析了嵌岩深度h_r、上覆土层自重q_s和溶洞直径D的影响程度。分析结果表明:桩端极限承载力随h_r的增大而增大,随D的增大而减小,而q_s的影响基本可忽略不计。此外,还对不同工况下桩端的极限破坏模式进行了分析。最后,通过考虑无溶洞、有溶洞下的2种桩基算例,验证了本文方法的正确性。