图像挖掘中基于Zernike矩的形状特征描述与评价

在图像挖掘中，最关键的步骤是提取图像特征并对之进行描述和评价；在介绍Zernike矩的基础上，指出可以使用Zernike矩集描述图像的形状特征；根据Zernike矩逆变换，可以得到基于Zernike矩形状特征集的图像重构技术，从而通过重构图像与原图像的相异度和重构率来对Zernike矩特征集描述图像形状特征的精确度进行评价；实验结果证明了基于Zernike矩描述图像形状特征与基于图像重构进行评价的可行性。     

我国高职课程设置的若干思考

本文针对我国高职课程设置的现状,分析了我国高职课程的开发与设置应遵循的一些原则,并提出了不断改革与创新高职课程设置才是高职院校立于不败之地的法宝。     

离散数学对计算机专业系统知识的辐射作用

由于计算机专业考研统考课程中无离散数学内容,离散数学在计算机专业教育中越来越不被重视,针对目前离散数学课程在计算机专业教育中逐渐被边缘化的问题,分析了离散数学知识与计算机专业其它核心课程间的内在关系,提出了离散数学内容对计算机专业系统知识具有很强的辐射作用的观点,进一步阐述了离散数学课程在计算机专业教学中的重要地位。     

高质量的三维纹理硬件体绘制

与光线投射法相比,传统的3D纹理体绘制算法通常难以产生高质量的图像。为了增强渲染图像的真实感与质量,在基于GPU（Graphics Processing Unit）的三维纹理体绘制过程中以交互的速率实现了体阴影效果,并考虑现实图像合成中的可视化感知,提出将基于GPU的高动态范围色调映射技术应用到体绘制得到的结果图片中。最后对一些体数据集进行绘制,实验表明这些技术较好地解决了传统纹理绘制方法的缺点,提高了图像的质量。     

基于深层语境词表示与自注意力的生物医学事件抽取

Biomedical event extraction is one of the most significant and challenging tasks in biome- dical text information extraction, which has attracted more attentions in recent years. The two most important subtasks in biomedical event extraction are trigger recognition and argument detection. Most of the preceding methods consider trigger recognition as a classification task but ignore the sentence-level tag information. Therefore, a sequence labeling model based on bidirectional long short-term memory (Bi-LSTM) and conditional random field (CRF) is constructed for trigger recognition, which separately uses the static pre-trained word embedding combined with character-level word representation and the dynamic contextual word representation based on the pre-trained language model as model inputs. Meanwhile, for the event argument detection task, a self-attention based multi-classification model is proposed to make full use of the entity and entity type features. The F1-scores of trigger recognition and overall event extraction are 81.65% and 60.04% respectively, and the experimental results show that the proposed method is effective for biomedical event extraction.     

基于多层注意力机制的中文文本蕴涵识别方法

为解决文本蕴涵中无法同时捕捉句间交互信息和全局信息的问题,提出一种基于多层注意力机制的中文文本蕴涵识别方法。使用Bi-LSTM分别对句子进行编码,采用自注意力和协同注意力分别得到句子的全局信息和句子间的交互信息,经过全连接层进行分类得到识别结果。在CNLI数据集上文本蕴涵识别准确率达到了73.88%,在NTCIR-9的RITE数据集上达到了67.63%,实验结果表明,该方法在中文文本蕴涵识别任务中是有效的。     

基于顶点编程的三维纹理硬件体绘制算法

为克服图形硬件对传统纹理映射体绘制的限制,提出并分析讨论了采用顶点编程来有效地实现基于纹理的体绘制中的切片组与包围盒相交过程的方法。这种新颖的技术能保证顶点处理器、片段处理器与内存宽带间工作量的平衡。同时,通过对梯度的实时计算来减少在传统纹理映射体绘制中巨大的内存消耗。最后应用这种技术结合空区域跳跃技术,有效地去除了体数据中的空区域,降低了硬件的负载,加速了体绘制的过程。测试表明对较大规模的体数据,该算法能较大地提高性能。     

基于GPU图像直接体绘制算法分析与评价

近年来计算机图形硬件性能不断提高,利用硬件来实现体绘制过程中的某些环节以获取交互的绘制速率成为可能,是目前体绘制的研究热点。描述了基于GPU的光线投射法、2D纹理映射法和3D纹理映射法等典型算法,给出了各类算法的分析与性能评价,最后实现相关算法并得出实验结果。     

碳纳米管场发射阴极阵列制备研究与进展

碳纳米管具有良好的电子发射特性,成为理想的场致发射阴极材料,碳纳米管阵列制备研究是碳纳米管平板显示应用的前提。介绍了碳纳米管阴极阵列制备技术如丝网印制法、CVD原位生长法、光刻法和自组织法等研究与进展,并从薄膜残留去除、CNTs膜微结构改变及sp3缺陷增加等方面概述了目前CNTs场发射性能优化的进展,指出了目前存在的问题并作了简单分析。