基于注意力机制的图像超分辨率重建

目前,单幅图像超分辨率重建取得了很好的效果,然而大多数模型都是通过增加网络层数来达到好的效果,并没有去发掘各通道之间的相关性。针对上述问题,提出了一种基于通道注意力机制（CA）和深度可分离卷积（DSC）的图像超分辨率重建方法。整个模型采用多路径模式的全局和局部残差学习,首先利用浅层特征提取块来提取输入图像的特征;然后,在深层特征提取块中引入通道注意力机制,通过调整各通道的特征图权重来增加通道相关性,从而提取高频特征信息;最后,重建出高分辨率图像。为了减少注意力机制带来的巨大参数影响,在局部残差块中使用了深度可分离卷积技术以大大减少训练参数,同时采用自适应矩估计（Adam）优化器来加速模型的收敛,从而提高了算法性能。该方法在Set5、Set14数据集上进行图像重建,实验结果表明不仅该方法重建的图像具有更高的峰值信噪比（PSNR）和结构相似度（SSIM）,而且所提模型的参数量减少为深度残差通道注意力网络（RCAN）模型的参数量的1/26。     

Android手机中基带跟踪数据的导出功能设计

本文主要基于现有Android手机系统框架设计了一种基带跟踪数据导出方案。对方案的总体框架、AP侧的软件流程、CP侧跟踪数据发送流程、串口通信机制的设计进行了详细说明,并给出了方案验证。在由三星公司Exynos4412四核AP芯片和重邮信科公司C6310双模CP芯片组成的手机硬件系统上实现和测试了该方案。实验结果表明,该基带数据导出方案在实际产品中具有良好的可靠性和可行性。     

Android手机系统中基带NV数据保存方案

设计了一种Android手机系统框架下的基带NV数据保存方案。主要包括方案的总体框架、AP侧数据接收和保存流程、CP侧NV数据发送流程、扩展的ⅡC通信机制的设计,以及方案验证与结果分析等。在由Cortex A9核心的四核AP芯片和ARM9核心的单核CP芯片组成的手机硬件系统上实现和测试了该方案。验证结果表明,该基带NV数据导出方案具有良好的可靠性和可行性,可以应用于实际的商业产品中。     

基于LuCI框架的MIFI的Web远程管理系统

首先对LuCI框架进行了剖析及介绍,然后基于LuCI框架设计与实现了一款MIFI(一种便携式WiFi热点终端)的Web远程管理系统,详述了设计与实现过程中涉及到的关键点,并测试了系统和展现最终成果。基于LuCI来实现Web远程管理系统,开发效率高且该Web系统运行时占用设备系统资源少、时效性好。     

基于LuCI框架设计与实现MIFI的Web远程管理系统

提到Web大家会想到html、jsp、asp、php等,但可能不曾听过LuCI。LuCI是由德国人开发出来的一个独立的Web框架,主要编程语言是Lua脚本语言。本文首先对LuCI框架进行了剖析及介绍,然后基于LuCI框架设计与实现了一款MIFI（近年来火热推出的一种便携式WiFi热点终端）的Web远程管理系统,详述了设计与实现过程中涉及到的关键点,并测试了系统和展现最终成果。基于LuCI来实现Web远程管理系统,开发效率高且该Web系统运行时占用设备系统资源少、时效性好。     

基于卷积神经网络的植物图像分类方法研究

近年来,卷积神经网络已经成为图像分类领域的应用研究热点,其对图像特征进行自提取、自学习,解决了以往图像分类方法的图像低层特征到高层概念之间存在的语义鸿沟。为了解决植物图像的自动分类问题,该文提出一种基于卷积神经网络(CNN)的植物图像分类方法,以植物图像为研究对象,将经典卷积神经网络VGG16与全卷积网络(FCN)相结合,把VGG16中两个通道数为4096的全连接层改为卷积层,构造一个新的VGG16模型为植物图像分类模型。文中制作了一个由43类每类500张总共21500张植物图像组成的图像数据集,作为植物图像分类模型的训练数据集。实验结果表明,所提方法在植物的图像分类上的准确率达到97.23%。应用文中提出的卷积神经网络对植物图像进行分类可以取得目前最好的植物图像分类效果。     

个性化旅游推荐技术研究及发展综述

该文首先分析了个性化旅游推荐系统的数据来源,并介绍了用户行为数据、用户标签数据、上下文信息和基于社交网络数据等推荐技术近年来的研究进展。其次,分析了能提升推荐性能的混合推荐技术以及满足多约束场景的基于约束的推荐技术,介绍了相关领域的最新研究成果。最后,展望了个性化旅游推荐技术研发的发展方向。     

基于注意力机制的病毒软件可视化检测方法

针对当前的病毒软件检测方法难以应对大数据时代下病毒软件快速分类问题,提出一种病毒可视化检测的分类方法.详细阐述了病毒软件可视化过程,并提出一种卷积神经网络结合注意力机制的模型(即CNN_CBAM模型)进行病毒软件家族分类的深度学习方法.病毒软件样本采用BIG2015和Malimg数据集,将其进行可视化,并将CNN_CB...     

QPSO算法的改进及其在DBN参数优化中应用

为了提升标准量子粒子群算法（Quantum Particle Swarm Optimization,QPSO）的收敛精度,提出了基于粒子势阱长度变化率的粒子平均最优位置权重计算方法,通过平均最优位置的调节,来提升粒子的寻优能力,并将改进后的QPSO算法应用于深度置信网络（Depth Belief Network,DBN）模型的学习率参数寻优中,以便找到最优的DBN模型参数,来提升DBN模型的识别准确率。将通过改进后QPSO算法进行参数寻优的DBN网络（LQ_DBN）应用于蛋黄形状检测中,与现有典型的DBN网络模型对比表明,LQ_DBN模型在蛋黄形状检测实验中的识别准确率比CC-PSO-DBN、PSO_MDBN和标准DBN模型都要高,且检测识别准确率的稳定性也是四种对比模型中最高的,表明基于改进的QPSO算法的DBN网络模型取得了较好的优化效果。     

慕课背景下电子技术课程教学改革研究

慕课是一种新兴的网络教育资源,它推动了教育的改革。本文结合雨课堂和慕课进行电子技术课程改革。结合学校本科生特点,针对慕课资源及现代教学工具进行选择。接着,从课前预习设计、课堂授课设计、课后测试设计,设计出课程改革的实施方式。然后,针对课程改革,提出课程考核方式的创新。最后,针对工程实践性提升的需求,制定出本校的创新性实验内容及实验方式改革。