粒子群优化的自适应区间二型模糊聚类算法

针对区间二型模糊聚类算法对聚类中心和模糊指数敏感的问题提出粒子群优化的自适应区间二型模糊聚类算法（PSO-AIT2FCM）。利用高斯滤波函数对获得的统计直方图做平滑处理,同时设计波峰与聚类中心的对应规则精准地确定聚类中心。构造新颖的融合直觉模糊信息的目标函数,通过类内紧致和类间分离两个方面的信息共同判断聚类效果。利用粒子群优化算法优秀的全局搜索能力在可行域内寻找合适的模糊指数组合。将该文算法应用于Berkeley图像分割中,实验结果表明该算法能够有效地确定聚类中心和模糊指数的组合并得到良好的分割结果。     

基于Web的医学图像处理系统的设计

为了更方便地集成医学图像处理算法,通过分析医学图像处理的特点和结合临床应用的基本需求,文中设计了一套基于Web的医学图像处理系统。该系统主要基于Python语言、Kotlin语言、TypeScript语言、Spring Boot框架、Celery框架和DICOMWeb规范开发,通过将处理任务分解为计算作业实现人工介入操作,并通过对计算作业进行合理的分组实现算法运行环境的隔离。该系统具有易扩展、易部署、易维护和可伸缩的优点,可以方便地构建需要人工介入的医学图像处理任务,在算法足够成熟的时候也能够快速将该流程完全自动化。     

基于特征累积的语义分割网络设计

语义分割是一种像素到像素的图像分类任务。而现有方法在处理此类问题时,往往忽略了不同图像之间类别分布的相似性。因此,该文提出了一种基于特征累积的语义分割网络,能够在训练的过程中,使用动量累积的方式,根据每张图像上不同的类别特征,拟合整个数据集的特征分布。除此之外,为了适应通用数据集中复杂的自然环境,该网络尝试对同一类别的特征聚类进行更深层次的划分,并且取得了较好的效果。与同样使用特征通道信息的OCRNet相比,使用ResNet作为骨干网络的情况下,该模型在Pascal Context数据集上平均交并比（mIoU）和平均准确度（mAcc）分别可以提升0.34%和0.64%;实验证明了这一优势在不同数据集、不同骨干网络中同样存在。     

负径向电场对带电粒子俘获率影响的数值模拟

本文采用数值方法求解Grad-Shafranov方程反演EAST典型长脉冲放电实验(炮号33068)的平衡位形和磁场分布,进而结合粒子在托卡马克电磁场中的运动方程,模拟氘离子在负径向电场存在时的运动轨迹,并统计不同负径向电场下的氘离子俘获率。结果表明：随负径向电场的增大,氘离子轨迹由扩张通行轨迹向外翻香蕉轨迹再向内翻香蕉轨迹,最后向压缩通行轨迹演变;氘离子俘获率随负径向电场的增大而减小,氘离子初始速度越小,其变化越大。     

一种90系列门窗下方铝型材分割式伪分流模结构

提出了一种新的90系列门窗下方型材的伪分流模结构,这种结构称之为分割式分流模。阐述了这种结构的分割方法、模具结构和有关结构参数的选择,并对这一新的模具结构与传统的平模结构、整体式平模和遮盖式分流模结构的使用结果进行了分析和对比。结果表明,分割式分流模具有明显的优势,它改变了悬臂的结构,大大减小了悬臂的舌比,适用范围更广。同时,具有加工便利的特点,可以大大提高模具的强度。这是一种值得推广的模具结构,扩大了半空心铝型材模具结构的选用范围,具有很强的针对性。     

汉钢1号高炉布料矩阵探索与实践

布料矩阵是调整高炉料制的重要手段。汉钢1号高炉通过不断探索研究高炉布料矩阵,理论与实际相结合,制定出适合目前外围条件的装料制度,保证了高炉炉况顺行,进而取得了技术经济指标的提升。     

结合多尺度通道注意力和边界增强的2D医学图像分割

二维(2D)医学图像分割在疾病诊断和计算机辅助治疗中具有重要作用.针对2D医学图像由于目标大小、形状不一以及边界模糊而难以精确分割的问题,提出一种结合多尺度通道注意力和边界增强的2D医学图像分割方法.首先以2D医学图像作为输入,并利用编码器和边界增强模块从中分别提取出高级特征图和边界分割结果;然后利用多尺度通道注意力模块从高级特征图中提取出不同尺度的上下文信息,增强其中有用的特征并抑制无用的特征响应;最后将得到的上下文信息传入解码器中获得区域分割结果,并与边界分割结果进行整合,得到最终的分割结果.为了化解医学图像中出现的数据不平衡问题,提出一种自定义的损失函数.在包含残根的牙齿全景片、包含龋齿的牙齿全景片、视网膜血管和皮肤病灶4个数据集上的实验结果表明,所提方法的分割精确率分别达到了85.63%,70.15%,75.86%和85.92%;与其他医学图像分割方法相比,所提方法表现更佳.     

图像处理技术在耐火制品热震性检测中的应用

抗热震性能是表征耐火材料抵抗温度急剧变化而不破坏能力的1个实用参数.利用数字图像处理技术对耐火浇注料预制件在热震实验过程中产生的裂纹密度进行评定,结果表明: 与传统方法相比,数字图像技术能更好、更准确地确定耐火材料的热震性能,提高工作效率.     

基于PointNet++的工井点云语义分割模型研究

受地下工井空间狭窄,环境复杂的影响,采集的工井点云数据存在在空间中分布不规则且不均匀、数据量大,难以实现多目标高效地语义分割等问题,本文提出了基于PointNet++的工井点云语义分割模型研究。首先采集了地下工井点云数据并加入语义标签制作模型训练需要的数据集;其次,为提高点云分割任务的性能,引入一种基于深度学习的PointNet++网络模型,并利用多分辨率分组（Multi-scale grouping,MSG)和随机输入（Random Input Dropout,DP）策略,实现地下工井地面、顶、爬梯、墙、电缆线和支架等的语义分割。最后,分割类别采用精确度、召回率、交并比,F1分数作为评价指标,结果表明,与PointNet网络模型相比,本文模型评价指标均展现出了显著的提升,在地面、井顶、井墙和电缆线等类别评价指标均超过80%,目标分割的性能良好,有利于地下电缆工井场景的多目标快速精准分割,为地下工程精细化管理奠定基础。