基于用户行为的个性化搜索建模

目前的搜索算法普遍忽视了用户的兴趣行为,仅仅依靠表面的关键词来预测用户的搜索偏好,为用户提供系统"自认为"是用户所感兴趣的内容,没有更深层次地解剖用户的真实需求,没有依照用户长久以来的搜索习惯、搜索兴趣为用户定制一个个性化的搜索模型,为此,本文将提出一个针对用户行为的个性化搜索的模型,通过用户在浏览网站时候的浏览行为,例如:浏览该网页的时间、浏览网页的类型、在浏览网页时是否有进一步的行为,如:保存、复制等操作以此来丰富本文所提出的用户的个性化搜索模型,以求能够更准确地贴近用户的真实需要.     

基于多级残差U-Net的稀疏SPECT图像重建

低剂量单光子发射型断层扫描(Single-Photon Emission Computed Tomography,SPECT) 能够减少放射性示踪剂对人体的辐射损害,因此其临床应用变得愈发重要。SPECT扫描可通过投影角度稀疏采样实现低剂量成像;若直接对稀疏采样投影数据进行迭代重建,投影角度的缺失将导致重建图像中出现严重的射线伪影。现今主流的临床方法普遍在图像重建优化模型中引入特定的正则项以抑制射线伪影,然而该类方法不具有通用性,并且正则项过度依赖于经验选取。本文提出一种新颖的神经网络结构以学习稀疏采样投影数据与全角度采样投影数据之间的映射关系;通过所提网络结构合成缺失角度的投影数据,来提升重建图像的质量。数值实验表明,相较于传统迭代重建方法,论文重建方法所得图像的结构相似性(Structural Similarity, SSIM)提高了59%,标准均方误差(Normalized Mean-Square-Error, NMSE)降低了67%,峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)提高了2.48 dB。因此,所提方法能较好地改善稀疏采样投影数据成像后的图像质量。     

基于三维激光获取点云的三维模型构建

目前国内对一些大型古建筑文化遗产的传统测量方法往往难以获得十分准确的数据信息,这使得专家们在对一些大型古建筑进行修复时十分头疼.而且在用一些传统测量方法的测量过程中也存在对古建筑造成二次伤害的风险.现如今,随着科研技术的发展,激光扫描硬件的总体水平也在不断地进步[1].因此,三维激光扫描技术也越来越成熟.三维激光扫描仪在一些大型建筑的测量工作中使用得也越来越广泛.三维激光扫描仪的工作原理,是先对获取到的点云数据采取配准拼接处理,再对其进行去噪简化等操作,最后利用建模软件3DMAX对大型的古建筑进行三维模型的构建的过程.