使用贝叶斯优化对遥感影像目标进行精确定位

针对大尺寸遥感影像目标检测中检测边框不精确的问题,提出使用高斯过程贝叶斯优化对遥感影像中的目标进行精确检测与定位。研究分为两个阶段,第一阶段使用基于边缘信息的EdgeBoxes算法对大尺寸遥感影像进行目标候选区域的选取,用分类器得到初始检测结果;为了得到更加准确的边框,在第二阶段,基于高斯过程的贝叶斯优化对每个目标的边框进行微调：①以目标初始边框为基准,在其周围选取与初始边框相交的边框集合,并得到一个高斯过程分布;②使用贝叶斯优化估计出下一个边框,并将其加入边框集;③求分类器对所有边框的得分,得分最高的边框作为下次迭代的基准边框;④重复若干次贝叶斯优化后得到最终的边框。实验结果表明：EdgeBoxes方法以较少的候选框可以得到较大的召回率,使用高斯过程的贝叶斯优化可以明显地提高检测边框的精度。     

基于迁移策略的分布式遗传算法多用户检测器

针对简单遗传算法多用户检测器的收敛速度慢和“早熟”问题,利用解相关算法的抗多址干扰能力和分布式遗传算法的快速全局寻优优势,提出了一种基于迁移策略的分布式遗传算法解相关多用户检测器。计算机仿真结果表明:该多用户检测器的检测性能明显优于简单遗传算法多用户检测器和解相关多用户检测器,更易于实现。     

基于CPU和GPU异构的蛋白质分子半柔性对接算法优化

分子对接是预测蛋白质复合物的有效手段。对于分子对接算法的优化旨在加速分子对接效率,降低计算成本,以及充分发挥计算资源的利用率。本文主要采用3个方案对半柔性对接算法进行优化：（1）方案一在CPU端进行优化;（2）方案二在方案一的基础上,利用CUFFT的移植工具CUFFTW为方案一提供部分GPU并行接口;（3）方案三利用GPU并行架构,通过CPU和GPU的协同处理,利用纯并行计算接口进行优化。3种方案对PDB code分别为1PEE,1B6C,4HX3和2SNI的测试蛋白进行结合态和自由态的对接,求得的最小均方根偏差L_RMSD小于5 Å,满足了复合物结构预测竞赛要求的中等精度结构标准,验证了对接结果的正确性。最后在保证结果正确性的前提下,测试了不同蛋白在不同方案下的运行速率;在保证不同蛋白对接效率相同的前提下,以1PPE为例,比较了不同方案下的对接速率。实验结果表明在同等旋转步长并保证程序运行结果正确性的前提下,最终的优化效果可提速近10倍,有效改进了半柔性对接算法的运行速率。     

以就业为导向的高职教学实践的研究

近年来,我国高职教育规模发展迅猛,但教学模式并没有摆脱传统学历教育,这对高职学生成功就业产生了很大影响。本文结合我院计算机多媒体技术专业近几年专业培养方案的修订,从培养目标定位、能力分解表的制定、课程的合理设置和教学手段的现代化四个方面提出了如何提高高职教学效果,培养出合格的计算机多媒体技术专业人才。     

BICA:一种快速可扩展的ADTree构建算法

ADTree是一种基于boosting的决策树学习算法,其预测准确率比一般决策树高并可以给出预测置信度,在实际中有广泛的应用.已有的ADTree构建算法能有效地处理小规模数据,但对于大规模数据的处理非常低效.因此提出了一种新的ADTree构建算法--BICA(bottom-up induction for constructing ADTree),设计了新的数据结构和自底向上的归纳方法,并将其结合到ADTree建树过程中,能够快速地进行分裂测试评估,从而有效地提高ADTree的构建效率.实验证明,BICA对大规模数据集的处理效率明显优于已有ADTree构建算法,能够进行高效的处理.     

C语言程序关键词序列表示法

提出C语言程序关键词序列表示法,以消除由于个性化编程所造成的代码的不同,以证明程序是相同的.     

Robust moving object detection against fast illumination change

To solve the problem due to fast illumination change in a visual surveillance system, we propose a novel moving object detection algorithm for which we develop an illumination change model, a chromaticity difference model, and a brightness ratio model. When fast illumination change occurs, background pixels as well as moving object pixels are detected as foreground pixels. To separate detected foreground pixels into moving object pixels and false foreground pixels, we develop a chromaticity difference model and a brightness ratio model that estimates the intensity difference and intensity ratio of false foreground pixels, respectively. These models are based on the proposed illumination change model. Based on experimental results, the proposed method shows excellent performance under various illumination change conditions while operating in real-time.     

Computer-aided diagnosis of mass-like lesion in breast MRI: Differential analysis of the 3-D morphology between benign and malignant tumors

This study aimed to evaluate the value of using 3-D breast MRI morphologic features to differentiate benign and malignant breast lesions. The 3-D morphological features extracted from breast MRI were used to analyze the malignant likelihood of tumor from ninety-five solid breast masses (44 benign and 51 malignant) of 82 patients. Each mass-like lesion was examined with regards to three categories of morphologic features, including texture-based gray-level co-occurrence matrix (GLCM) feature, shape, and ellipsoid fitting features. For obtaining a robust combination of features from different categories, the biserial correlation coefficient (|r_pb|) ≧ 0.4 was used as the feature selection criterion. Receiver operating characteristic (ROC) curve was used to evaluate performance and Student's t-test to verify the classification accuracy. The combination of the selected 3-D morphological features, including conventional compactness, radius, spiculation, surface ratio, volume covering ratio, number of inside angular regions, sum of number of inside and outside angular regions, showed an accuracy of 88.42% (84/95), sensitivity of 88.24% (45/51), and specificity of 88.64% (39/44), respectively. The A_Z value was 0.8926 for these seven combined morphological features. In conclusion, 3-D MR morphological features specified by GLCM, tumor shape and ellipsoid fitting were useful for differentiating benign and malignant breast masses.     

异构软件体系结构的可靠性模型

现有基于软件体系结构的可靠性模型只适用于符合马尔可夫过程的软件构件转移关系,而当构件间存在由确定性和随机性转移关系组成的异构结构时,仍按照马尔可夫过程对软件体系结构建模,会导致可靠性评估结果不准确。为了解决现有模型不适用于异构结构的问题,在分析构件转移关系基础上,提出了一个新的软件可靠性模型。基于软件UML顺序图,提出将异构软件结构转换为马尔可夫链的算法。通过对一个实例的可靠性评估,验证了新模型能够比现有模型获得更准确的评估结果。