多分支深度特征融合的中医脑卒中辅助诊断

目的 脑卒中发病征兆不明显,发病速度快且致死率高,目前医学领域的主要诊疗手段仍是针对脑卒中病时和病后,但在病前预测方面缺少有效办法。中医对于治未病等效果显著,其中望诊更是中医诊疗的重要方式。本文结合中医望诊,基于面部与手部图像提出了一种多分支深度特征融合的中医脑卒中辅助诊断方法。方法 针对不同部位图像,分别构建两部位的双分支特征提取模块,将面部和手部的重点区域作为主体分支提取主要特征。根据中医望诊在面部与手部诊疗的特点,进一步将眉心的纹理特征和掌心的颜色特征作为辅助信息提取辅助特征;在此基础上提出信息交互模块(information interaction module, IIM),将主要特征与辅助特征进行有效信息交互,从而辅助主体分支提取更有区别性的信息;最终将两部位的特征进行融合降维用于脑卒中辅助诊断。结果 本文将采集的3 011例面部和手部图像数据进行筛查扩充后作为实验数据集,并在不同评价指标下与当前主流的分类模型进行对比。实验结果表明,本文方法在准确性上达到了83.36%,相比ResNet-34、DenseNet121、VGG16(Visual Geometry Group 1...     

基于Web数据的本体概念抽取

本体论(Ontology)在知识管理及语义网(Semantic Web)中越来越重要,但建造本体往往需要耗费大量的时间,且建造完成后本体的维护对知识管理者来说也是费时的工作。自动创建领域Ontology可以克服手工方法的不足,成为当前的研究热点之一;而概念是本体中最重要的组成部分之一,从半结构化的Web文档中自动抽取概念的效率和准确度的高低,直接决定了自动建造的本体的质量,提出一种自动的本体概念抽取模型,此模型不依赖于领域词典或核心本体,并且能达到快速有效地通过对中文Web文本挖掘自动地构建及更新领域本体概念的目的。     

基于QoS的云计算资源分配算法

目前,基于云计算的服务越来越具有动态性,资源的分配遇到了前所未有的挑战性,我们不能简单地从成本单一方面来衡量资源分配算法的优劣。针对以上问题,提出了具有QoS限制的资源分配算法,从用户和资源提供者两个方面来考虑资源的分配,在保证用户任务的多维QoS需求的同时,寻求用户满意度和资源利用率的综合效用值的提升。通过仿真实验表明,该资源分配算法,可以减少任务之间对资源的竞争,提高所有任务的全局效用值。     

射流管伺服阀射流管放大器的流场解析

运用FLUENT软件对射流管伺服阀的射流管放大器进行了三维流场解析,获得了射流管放大器在不同偏转角时的恢复压力和恢复流量,用二次函数拟合获得了恢复压力及恢复流量数学模型,并分析了射流管放大器内流道结构对其静态性能的影响.本研究对于射流管伺服阀的数字化模型构建、设计及性能预测具有一定的参考价值.     

自适应数据库中基于特征向量的聚类算法

负载自适应数据库系统中,负载特征化部件要实时对各种数据库的访问负载分类,根据分类的情况预测负载对数据库资源需求。是对常规聚类算法的一个改进,提出基于特征向量的聚类算法和基于特征向量的增量聚类算法。使用该算法后负载分类速度和准确性有明显提高。     

面向对象测试代码复用算法与工具

本文主要研究面向对象软件系统的自动化测试代码的复用问题。复用测试代码是基于建立的方法测试用例。当创建了一个方法的测试用例之后,可以发现这个用例可在其他相 关方法的测试过程中起到多种作用。这个生成的测试用例可以作为另一个方法测试输入的对象参数,或者作为一个主测试对象以调用其方法。我们设计了一个可自动生成复用用测试代码的算法,并应用于一个微软平台上的对象测试自动化工具的研发过程中。     

比例电磁铁推拉储能式PWM功放电路

针对传统脉冲宽度调制(Pulse Width Modulation,PWM)功放电路难以满足大功率高频响比例电磁铁线圈快速充放电要求的问题,提出一种基于推拉储能原理的PWM功放电路。在比例电磁铁功放电路中设置储能模块,当线圈需要快速充电时,储能模块释放能量,补充供电电源电流输出;当线圈需要快速放电时,储能模块充电吸收能量,从而缩短线圈的充放电时间。针对功率79 W、额定电流3.3 A的某比例电磁铁线圈进行仿真分析和实验,研究表明:相比传统的反接卸荷式功放电路,该推拉储能式PWM功放电路充电时间缩短24%,放电时间缩短45%,显著提高了大功率比例电磁铁的响应速度。     

基于MOOP的Python语言模式改革与创新

通过分析目前MOOP平台的优劣势,提出基于MOOP教学平台的大学计算机基础课程“Python语言程序设计”课程创新改革思路、原则和策略,从课程体系设计、教学内容建设、MOOP平台使用、课程考核方式等方面进行阐述,结合太原理工大学基于MOOP平台的Python语言教学改革创新方式及改革过程中所遇到的问题和解决方式,介绍本次教学改革所得到的成效和启发。     

自闭症干预中无监督自编码的语音情感识别

语音情感识别是人机交互中重要的研究内容,儿童自闭症干预治疗中的语音情感识别系统有助于自闭症儿童的康复,但是由于目前语音信号中的情感特征多而杂,特征提取本身就是一项具有挑战性的工作,这样不利于整个系统的识别性能.针对这一问题,提出了一种语音情感特征提取算法,利用无监督自编码网络自动学习语音信号中的情感特征,通过构建一个3层的自编码网络提取语音情感特征,把多层编码网络学习完的高层特征作为极限学习机分类器的输入进行分类,其识别率为84.14%,比传统的基于提取人为定义特征的识别方法有所提高.