基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

共享交通的时空轨迹检索与群体发现

为解决共享交通下的共乘用户群体发现效率低、准确率不高问题，依据R-树原理建立GeoOD-Tree索引，并在此基础上提出以最大化共乘率为目标的群体发现策略。首先，对原始时空轨迹数据进行特征提取与标定处理，挖掘有效出行起讫点（OD）轨迹；其次，针对用户起讫点轨迹的特征，建立GeoOD-Tree索引进行有效的存储管理；最后，给出以最大化共乘行程为目标的群体发现模型，并运用K最近邻（KNN）查询对搜索空间剪枝压缩，提高群体发现效率。采用西安市近12000辆出租车营运轨迹数据，选取动态时间规整（DTW）等典型算法与所提算法在查询效率与准确率上进行性能对比分析。与DTW算法相比，所提算法的准确率提高了10.12%，查询效率提高了约15倍。实验结果表明提出的群体发现策略能有效提高共乘用户群体发现的准确率和效率，可有效提升共乘出行方式的出行率。     

基于云端的查询优化设计

云计算在大数据处理、资源共享方面的优势使得越来越多的行业使用云计算技术。云计算中的数据存储和检索方式与传统的数据库系统不同,且传统数据库的数据查询方式无法直接迁移到云平台中。文章利用后缀树建立云存储的算法,并讨论了基于后缀树云查询模型,且该查询模型可以嵌入到现有的数据查询系统中,实现传统查询平台向云平台的迁移。     

马尔可夫跳变线性系统最优控制的研究现状与进展

马尔可夫跳变线性系统（MJLS）是一种具有多个模态的随机系统，系统在各个模态之间的跳变转移由一组马尔可夫链来决定。MJLS模型因其在表示过程中可以产生突变而更能精确的描述实际工程应用中的系统。近年来，MJLS的最优控制问题成为了研究的热点，动态规划、极大值原理以及线性矩阵不等式等成为了解决此类问题的主流方法。本文对MJLS最优控制领域的研究现状进行了综述。分别对一般情况下、带有噪声的情况下、带有时滞的情况下以及某些特定情况下的MLJS最优控制问题的国内外研究现状进行论述。最后进行了总结并提出MJLS最优控制领域未来值得关注的研究方向。     

论拜伦的《该隐》

拜伦的三幕诗剧《该隐》取材圣经，就该隐杀弟的有关经文衍化为一部关乎存在的震撼心灵的光辉诗篇，主题肃穆庄严、格调苍凉沉郁，尤其洋溢着哲学韵致，可谓哲理诗剧《曼弗雷德》的姊妹篇。诗人展开浪漫主义的翅翼，又以理性的深思熟虑、缜密的情理逻辑、具体的艺术形象，究索宇宙与时间、上帝与人、生命与永恒、死亡与不朽、善与恶、爱与恨、知识与罪愆等诸多形而上问题，亘古而弥新、深邃且无尽，铸成极其伟大的悲剧品格。     

帕特里克·怀特小说《人树》的叙事时序分析

《人树》以斯坦的一生为线索，在叙事时间的进程中融入对生命的深入思考，具有宏魄的内涵和史诗般的气韵。怀特对时间自如的处理充满了思考的张力。他用顺叙清晰地勾勒出故事的框架，用追叙和预叙打破了故事时间正常发生序列的安排，叙事时间由单一变得立体，使文本获得了别样的艺术韵味。从而使读者打破了传统的阅读习惯，和斯坦一起在时间的河流中寻找生命的依托和心灵的安顿。     

波动方程数值模拟的隐式差分法

在有限差分波动方程数值模拟中,通常采用高阶差分方法来提高空间导数的数值逼近精度,以实现降低数值频散,提高数值模拟精度的目的。首先对差分频散进行了理论分析;然后讨论了估计一阶空间导数的隐式差分格式,并与通常采用的高阶精度显式差分格式进行了对比分析,结果表明,隐式差分格式能够在更宽的波数范围使差分频散控制在可接受的水平,如8阶精度的显式差分格式所适应的波数带宽约为O．55kmax,而隐式差分格式所适应的波数带宽约为0．7kmax;最后通过模型试算,对隐式差分格式的有效性进行了验证。模拟结果表明,用隐式差分格式在一定程度上降低了差分频散,提高了模拟精度。     

多带抗噪声语音识别算法研究

根据Flether等人的研究,基于感知独立性假设的子带识别方法被用于抗噪声鲁棒语音识别。本文拓展子带方法,采用基于噪声污染假定的多带框架来减少噪声影响。论文不仅从理论上分析了噪声污染假定多带框架在识别性能上的潜在优势,而且提出了多带环境下的鲁棒语音识别算法。研究表明：多带框架不仅回避了独立感知假设要求,而且与子带方法相比,多带方法能更好的减少噪声影响,提高系统识别性能。     

在线multicast数据传输网络中的一个优化问题

首先建立了数据传输网络选择的最小成本模型，给出了有效支撑树代表集的概念，并给出了一个时间复杂性为D(mlogen)的算法产生代表集。然后对静态数据传输问题和在线数据传输问题，分别给出了一个时间复杂性为D(mlogen)和O(m^2 mlogen)的多项式时间的算法。