基于滑动窗口的影像中建筑物特征提取方法研究

针对多尺度分割算法在工程项目应用中使用成本高的问题,提出采用基于滑动窗口的影像对象获取方法.将主成分第一分量作为输入,通过灰度共生矩阵计算影像对象纹理特征,并与光谱均值特征构建面向对象的建筑物信息提取方法,将多尺度分割后的预测结果与滑动窗口分割后的预测结果进行对比实验验证.结果表明,滑动窗口提取结果的总体精度比多尺度分割提取结果的总体分类精度高出0.94％,Kappa系数高出0.0125,验证了滑动窗口预测结果的准确性与普适性.     

基于灰度特征值的混杂性肺原位腺癌与微浸润性腺癌的鉴别

为了探讨灰度特征值对表现为混杂的肺原位腺癌(AIS)和微浸润性腺癌(MIA)的鉴别价值,文章首先利用大津法与掩模法等方法将肺实质提取出来,随后利用计算机分别计算了0°、45°、90°、135°方向上的灰度特征值(能量、熵、逆差矩和相关性)、均值与统计学P值.发现灰度共生矩阵中病灶的惯性矩能够作为两者的判别标准:AIS与MIA的惯性矩均值分别为13.8513±0.0001、13.8562±0.0021.得出结论:灰度特征值对于AIS与MIA的诊断具有一定的指导意义,当惯性矩值≤13.8513时,病灶为AIS的可能性很大,当惯性矩值≥13.8513时,病灶为MIA的可能性较大,计算机在鉴别肺原位腺癌与微浸润腺癌中具有重要的作用.     

基于改进随机森林的电力通信网脆弱性诊断分析

通信网脆弱性的识别对电力系统的稳定运行至关重要.利用大数据和机器学习算法识别电力通信网中节点的脆弱性,可为降低网络风险提供动态的技术支持和智能的辅助决策.对随机森林算法的简单投票机制进行改进,引入表征决策树对最佳决策树辅助决策效果的加成因子,提出了一种电力通信网节点脆弱性诊断方法,并结合某市的电力通信网数据进行实验.结果表明,在诊断贴近度、ROC曲线积分等指标下,改进算法比传统随机森林、支持向量机、逻辑回归等算法具有更优越的诊断性能,有助于推动电力通信网规划的辅助决策.     

高维数组在计算机学习中的研究与应用

介绍了高维数组产生的背景,和高数数组程序库NumPy的功能、优点,研究了Numpy的创建和初始化,并给出一个四维数组例子以及Numpy在线性代数中的应用,对比了最常见的两种线性代数操作:点积和矩阵乘法,通过例子对比,可以看出Numpy在处理高维数据的优势.     

工程教育认证背景下Linux系统实践课程教学改革的探索

Linux系统实践课程是高校计算机类专业的重要实践课程。在工程教育认证背景下,为使培养的学生达到预期的毕业要求,课程教学目标需对应毕业要求分解的指标点,并对课程教学目标支撑毕业要求指标点的程度进行达成度评价,利用评价结果对课程进行持续改进。为了提高毕业要求的达成度,对课程的教学内容、教学模式、考核与成绩评定方式等进行了探索和优化。达成度评价结果表明,学生对本课程学习主动性增强,工程实践能力、创新能力有所提高。     

基于深度学习的多元信息嵌入推荐模型

传统的矩阵分解法只能简单提取低阶信息,特征组合单一,无法挖掘更多隐含信息。依赖稀疏的评分表已经无法满足个性化推荐。MovieLens数据集是研究推荐系统的经典数据集。通过改进神经协同过滤模型,使用多个嵌入层对MovieLens数据集所有信息进行嵌入分析,充分挖掘隐含信息,使得推荐算法更有实用意义。通过在MovieLens-100k和MovieLens-1m上设置多组对照实验表明,该改进模型不仅学习了更多信息,而且与神经协同过滤模型相比,其错误率显著减小。     

基于改进风驱动算法的摄像机标定优化方法

为进一步提高摄像机参数标定的准确率,提出一种基于改进风驱动算法的摄像机标定优化方法.将摄像机内参作为空气微团的位置矢量,将标定结果的重投影误差作为空气微团的适应度值,通过迭代寻找适应度值最小的解.针对基本风驱动算法中固有参数的设置问题,通过引入协方差矩阵自适应进化策略自动确定.将该方法与张正友标定法、基于粒子群算法的标定法和基于基本风驱动算法的标定法作比较,实验结果表明,改进算法优化标定的摄像机内参精度更高,具有更快的收敛速度和更好的稳定性.     

离散时滞Lur’e系统时滞依赖性稳定性判据

本文研究了离散时滞Lur’e系统的绝对稳定性和鲁棒绝对稳定性问题,包含时变时滞和扇形有界约束的非线性.首先,构造了新颖的李雅普诺夫-克拉索夫斯基泛函(Lyapunov-Krasovskii functional, LKF),其中,为了增补时变时滞区间和其他系统状态变量之间的耦合信息, LKF中扩充了一些重要的向量.其次,结合改进的基于自由权重矩阵求和不等式技巧,推导了一些比已有结论保守性更低的绝对和鲁棒绝对稳定性判据.稳定性判据保守性的减小主要归功于改进的LKF和求和不等式技巧.最后,通过几个文献中常用的数值算例的求解仿真来说明本文判据的有效性和先进性.     

基于多种信息组合模式的非负矩阵分解链路预测模型

针对基于拓扑结构相似性的链路预测算法中网络稀疏性和噪声问题,提出一种基于非负矩阵分解的链路预测模型。该模型从微观与宏观两个层面出发,融合网络内部和外部的辅助信息,减轻了网络稀疏性造成的影响,提升了算法预测的整体性能。提出的三种信息组合模式体现出宏观与微观角度下的信息融合策略。在13个真实网络数据集上的实验结果展示了算法预测性能上的优越性。