基于深度学习的单图像超分辨率重建研究综述

为深入了解基于深度学习的单图像超分辨率重建（SISR）的发展,把握当前研究的热点和方向,针对现有基于深度学习的单图像超分辨率重建模型进行了梳理。介绍了相关深度学习算法和基于深度学习的模型以及评价指标,并通过实验对比分析现有模型的性能,其目的在于从本质上了解基于深度学习的单图像超分辨率重建模型的优势;对单图像超分辨率重建的关键问题进行了总结,并对未来的发展趋势进行了展望。     

欧盟新贸易保护措施对我纺织品服装出口的影响与对策

在国际纺织品贸易一体化即将实现的背景下，欧盟加紧制定和实施了一系列针对中国纺织品出口的贸易政策和法律法规。文章介绍了近期欧盟对与中国纺织品贸易有关的政策进行的调整，分析了上述措施对我国纺织品服装出口的影响，并提出了应对欧盟新贸易保护措施的方法。     

Spark环境下K-means初始中心点优化研究综述

为了能够及时了解Spark环境下经典聚类算法K-means的最新研究进展,把握K-means算法当前的研究热点和方向,针对K-means算法的初始中心点优化研究进行综述。首先介绍了内存计算框架Spark和K-means算法,并分析了K-means算法聚类不稳定性的成因和影响,其目的在于指出优化K-means算法的重要性;详细介绍了目前在Spark环境下优化K-means初始中心点的主要方法和最新研究现状,并展望了K-means初始中心点优化问题的未来研究方向。     

CNN多层特征融合与ELM的乳腺疾病诊断方法

针对传统计算机辅助诊断方法准确率低、耗时长的问题,提出卷积神经网络(Convolutional Neural Networks,CNN)多层特征融合与极限学习机(Extreme Learning Machine,ELM)的乳腺疾病诊断方法。利用CNN从乳腺X光图像中提取多层特征;提出多尺度池化操作将各层提取的特征进行融合;使用极限学习机分类器进行乳腺疾病的快速诊断。实验结果表明,该乳腺疾病检测方法平均准确率高达97.13%,诊断时间是6.43 ms。该方法能有效地提高乳腺疾病诊断的准确率,缩短诊断时间,且具有较好的鲁棒性和泛化能力。     

高职院校创业教育实践与思考

广东岭南职业技术学院在创业教育方面,树立了创业教育是适应中国经济崛起、建设创新型国家、培养创业实用型人才的新观念。学院结合当前经济社会发展的需求,不断挖掘自身创业教育的特色,整合多方资源,逐步形成了以培养创业实用型人才为目的的创业教育培养体系。     

欧盟新贸易保护措施对我纺织服装业出口的影响与对策

在世界经济全球化趋势不断加强的背景下，各国对市场的竞争进一步加剧。国际贸易保护主义重新抬头，新型国际贸易壁垒，包括反倾销、各种技术壁垒、绿色壁垒、保障措施和特保措施等贸易保护措施日益增多，成为阻碍国际贸易发展、特别是影响双边贸易关系的主要不利因素。特别是，2005年临近之际，国际纺织品贸易即将回归关贸总协定管理范畴之内的新形势下，欧盟陆续出台并实施了一系列有关措施，直接针对我国纺织服装业出口，应引起我们足够的警惕和重视。