优化初始聚类中心选择的K-means算法

K-means算法的聚类效果与初始聚类中心的选择以及数据中的孤立点有很大关联,具有很强的不确定性。针对这个缺点,提出了一种优化初始聚类中心选择的K-means算法。该算法考虑数据集的分布情况,将样本点分为孤立点、低密度点和核心点,之后剔除孤立点与低密度点,在核心点中选取初始聚类中心,孤立点不参与聚类过程中各类样本均值的计算。按照距离最近原则将孤立点分配到相应类中完成整个算法。实验结果表明,改进的K-means算法能提高聚类的准确率,减少迭代次数,得到更好的聚类结果。     

近邻中心迭代策略的单标注视频行人重识别

为解决视频行人重识别数据集标注困难的问题,提出了基于单标注样本视频行人重识别的近邻中心迭代策略.该策略逐步利用伪标签视频片段迭代更新网络结构,以获得最佳的模型.针对预测无标签视频片段的伪标签准确率低的问题,提出了一种标签评估方法：每次训练后,将所选取的伪标签视频片段和有标签视频片段特征中每个类的中心点作为下一次训练中预测伪标签的度量中心点;同时提出基于交叉熵损失和在线实例匹配损失的损失控制策略,使得训练过程更加稳定,无标签数据的伪标签预测准确率更高.在MARS,DukeMTMC-VideoReID这两个大型数据集上的实验验证了该方法相比于最新的先进方法,在性能上得到非常好的提升.     

基于CenterNet的一次设备异常检测方法

目前电网一次设备存在线路长、覆盖广的特点,传统的人工运维方式不仅工作压力大,且难以及时发现故障隐患.针对上述问题,提出了一种一次设备异常检测方法.首先,使用中心网络(CenterNet)算法对样本训练集进行学习,并且使用CenterNet最后包含的高层特征做异常检测;然后,根据检测到的关键点热力图来判断异常目标的宽高信息,动态调整检测框大小;最后,通过检测当前图像异常一次设备中心点得到异常检测结果.实验结果表明,所提方法在一次设备数据集上准确率为92.6％,相较于传统的快速的基于区域的卷积神经网络(Fast RCNN)模型,准确率提升了4.3％,验证了所提方法的有效性和先进性.     

结合鲸鱼优化算法的自适应密度峰值聚类算法

针对密度峰值聚类算法（DPC）的聚类结果对截断距离[dc]的取值较为敏感、手动选取聚类中心存在着一定主观性的问题,提出了一种结合鲸鱼优化算法的自适应密度峰值聚类算法（WOA-DPC）。利用加权的局部密度和相对距离乘积的斜率变化趋势实现聚类中心的自动选择,避免了手动选取导致的聚类中心少选或多选的情况;考虑到合理的截断距离[dc]是提高DPC算法聚类效果的重要因素,建立以ACC指标为目标函数的优化问题,利用鲸鱼优化算法（WOA）有效地寻优能力对目标函数进行优化,寻找最佳的截断距离[dc];利用人工合成数据集与UCI上的真实数据集对WOA-DPC算法进行测试。实验结果表明,该算法在FMI、ARI和AMI指标上均优于DPC算法、DBSCAN算法以及K-Means算法,具有更好的聚类表现。     

融合独立组件的ResNet在细粒度车型识别中的应用

针对细粒度车型中子车系间识别率低的问题,同时为了增强卷积神经网络的表征能力,提出融合独立组件的残差网络（IC-ResNet）模型。优化ResNet网络,通过改进下采样层,减少特征信息损失,接着使用中心损失函数和Softmax损失函数联合学习策略,增强模型的类内聚性。在卷积层前引入独立组件（IC）层,获得相对独立的神经元,增强网络独立性,提高模型的特征表示能力,从而对细粒度车型实现更准确的分类。仿真实验表明,该模型在Stanford cars-196数据集上的识别准确率达到94.7%,与其他模型相比,实现了最优效果,从而验证了该车型识别模型的有效性。     

基于OBE理念的项目驱动式计算机组成原理教学方法探索

针对计算机组成原理这类学科基础课程教学内容抽象、知识点繁杂、理论性强、应用场景少、学生学习兴趣低、教学效果较差等问题,分析计算机组成原理课程在计算机类专业课程体系中的地位、课程特点、教学环境问题、教学对象特征,提出基于OBE理念,以项目驱动为主线进行教学设计、实施、评价的教学方法,详细阐述项目设计分解的方案、教学实施的平台和过程,并通过对比分析说明教学效果.     

PEP拼图分组,让学生在项目教学中不再"打酱油"

通过研究分组学习的优势,以学习者为中心,结合拼图教学法,提出在项目教学中使用PEP三阶段的拼图分组方法,具体阐述该分组方法的实施过程,最后通过教学效果的调查数据分析,说明PEP拼图分组方法的优势.目的是有效提高个体在项目中的参与度与学习效能,进而从根源上转变团队项目学习中的"打酱油"现象.     

消毒供应中心质量追溯系统设计与应用

本文旨在建立满足医院消毒供应中心(CSSD)管理规范及自身业务流程需求的信息系统。消毒供应可追溯管理信息系统以无线物联网技术为基础,结合医院现有手麻、物资等系统流程,打造全闭环、可追溯的一体化质量管理系统,实现了贯穿消毒供应中心、无菌物品仓库、手术室等各相关工作区进行质量追溯和过程管理,同时与医院其他信息系统互联互通,极大地节省了时间和成本。该系统的建成不仅提高了整个消毒供应中心灭菌物品洗消质量监管水平和全流程闭环化物流管理能力,而且有利于院内感染的控制,保障了医疗安全。     

融入类贡献抑制因子的灰度级模糊C均值图像分割

基于灰度级模糊C均值图像分割算法具有分割速度快的优势。由于无损检测图像中背景类和目标类差异较大,该算法不能有效地将目标分割出来,故提出改进的基于灰度级的模糊C均值算法。构建了一种与类大小反向相关的类贡献抑制因子表达式,将之融入目标函数后能够降低较大类对目标函数的贡献,这可避免较小类的聚类中心受较大类的影响而靠近较大类的聚类中心。最小化新的目标函数可得新形式的隶属度和聚类中心表征形式。采用类大小差异较大的无损检测图像进行试验,结果显示本文算法得到的分割图像视觉效果良好,而且指标G_mean也更高,进一步提升了基于灰度级模糊C均值算法适应能力。     

去中心基于属性Σ协议的一般性构造及其应用

基于属性密码因能提供细粒度访问控制和良好的隐私性而成为密码学的研究热点之一.Σ协议是一种三轮公开抛硬币诚实验证者零知识证明协议,在密码学的许多领域有重要应用.首先,将基于属性密码引入到零知识证明领域,研究基于属性Σ协议,给出其定义,刻画其安全模型;其次,基于标准Σ协议、陷门可取样关系和平滑秘密共享方案,给出一个去中心基于属性Σ协议的一般性构造和相应的例子,并证明其安全性;最后,作为去中心基于属性Σ协议的应用,利用Fiat-Shamir转换,得到去中心基于属性签名和去中心基于属性双层签名的一般性构造和相应的例子.效率分析表明,基于属性双层签名方案相比已有的方案在数据长度和计算开销两方面都具有显著的优势.