房建施工中的深基坑支护施工技术细节分析

在近些年发展过程中,我国城市化进程在不断加快,建筑工程建设规模也在不断扩大,使得建筑整个行业迎来了新的发展机遇,各式各样的高层和超高层建筑迎运而生。地下工程建设需求也在不断增加,所以就需要在房建施工过程中,将深基坑支护施工技术应用进来,并提高整体技术水平,才能多方面保障房建施工安全性和可靠性。相关负责建设单位应在实施深基坑支护施工技术的过程中,对该技术施工要点进行全面掌握,并对施工过程中可能会遇到的一些隐患问题科学把控,将科学合理的技术措施应用进来,不断提高整体技术应用水平,达到理想的施工成效。

基于潜在因子模型在子空间上的缺失值注意力聚类算法

针对传统聚类算法在对缺失样本进行数据填充过程中存在样本相似度难度量且填充数据质量差的问题,提出一种基于潜在因子模型(LFM)在子空间上的缺失值注意力聚类算法。首先,通过LFM将原始数据空间映射到低维子空间,降低样本的稀疏程度;其次,通过分解原空间得到的特征矩阵构建不同特征间的注意力权重图,优化子空间样本间的相似度计算方式,使样本相似度的计算更准确、泛化性更好;最后,为了降低样本相似度计算过程中过高的时间复杂度,设计一种多指针的注意力权重图进行优化。在4个按比例随机缺失的数据集上进行实验。在Hand-digits数据集上,相较于面向高维特征缺失数据的K近邻插补子空间聚类(KISC)算法,在数据缺失比例为10%的情况下,所提算法的聚类准确度(ACC)提高了2.33个百分点,归一化互信息(NMI)提高了2.77个百分点,在数据缺失比例为20%的情况下,所提算法的ACC提高了0.39个百分点,NMI提高了1.33个百分点,验证了所提算法的有效性。

融合卷积与自注意力机制的基因型填补算法

基因型填补可以通过填补估算出在基因测序数据中未覆盖的样本区域弥补因技术限制导致的缺失,但现有的基于深度学习的填补方法不能有效捕捉到全序列位点间的连锁关系,造成整体填补准确率低、批量序列填补准确率分散等问题。针对这些问题提出一种融合卷积与自注意力机制的填补方法——FCSA,使用两种融合模块构成编解码器组建网络模型。编码器融合模块使用自注意力层得到全序列位点间的关联度,将该关联度融合到全局位点后再通过卷积层提取局部特征;解码器融合模块使用卷积对编码后的低维向量进行局部特征重建,应用自注意力层对全序列建模并融合。使用多物种的动物基因数据进行模型训练,并在Dog、Pig和Chicken数据集上进行比较验证,结果表明,与SCDA(Sparse Convolutional Denoising Autoencoders)、AGIC(Autoencoder Genome Imputation and Compression)和U-net相比,FCSA在10%、20%和30%缺失率下的平均填补准确率均取得了最高值,且批量序列填补准确率的分散程度较小;消融实验的结果也表明,这两种融合模块的设计能够有效提升基因型填补的准确率。

基于J2EE的实时监控系统的设计与实现

结合某卷烟厂卷接包车间信息化建设的现状和需求,引入J2EE架构体系和技术,设计并实现一个基于Web方式的全面实时监控系统。提出一种在J2EE架构平台上应用MVC模式的Struts框架开发大型厂级实时监控系统的思路和方法,介绍系统结构和功能,对系统后台数据库设计和系统实现中相关的关键技术进行了论述。

基于Struts框架和Procedure的Web开发模式

介绍基于MVC设计模式的Struts框架的组成和实现原理,总结该开发框架的应用特点和开发步骤。在分析和比较其他基于Struts开发模式特点的基础上,提出基于Struts和存储过程结合的Web开发模式。结合具体实例探讨了该模式的Web应用与开发过程。

汉字识别技术的新方法及发展趋势

本文对目前我国在汉字识别领域研究和发展较为活跃的几种汉字识别新技术作一简单介绍 。

连锁加油站IC卡加油计费系统

本文主要介绍了一种实用的连锁加油站IC卡加油计费系统 ,对共方案的设计做了具体的论述 ,并通过实例解释了IC卡读写器软件接口函数在Delphi5 0中的用法。

基于伪并行遗传算法的路径测试数据自动生成

路径测试数据自动生成是结构测试中的关键问题,也是当前软件测试研究中的热点问题。为了探讨伪并行遗传算法用于路径测试数据生成的可行性及其效果,首先归纳了基于演化算法的路径测试数据自动生成方法的基本思想和流程,然后在MATLAB7.1上实现了一个基于粗粒度模型和基于适应度选择迁移个体的伪并行遗传算法和一个使用代沟的基本遗传算法。采用基于分支距离的适应度函数,以三角形分类程序为例比较了二者在生成路径测试数据时的性能差异。实验结果表明伪并行遗传算法较之基本遗传算法具有明显优势。此外,自由迁移和相邻迁移策略要优于单向迁移策略。

奥曲肽联合泮托拉唑在肝硬化合并上消化道出血治疗中的临床疗效分析

探讨奥曲肽(OCT)与泮托拉唑(PAN)治疗肝硬化合并上消化道出血的效果。方法 时间:2022.01-2023.06;对象:73例肝硬化合并上消化道出血患者;随机抽签法分组,分成研究组36例,参照组37例。参照组使用PAN治疗,研究组使用OCT+PAN治疗。比较组间治疗效果、检验学指标、肝静脉压力、治疗指标、不良反应发生率。结果 研究组联合用药治疗的有效性更佳,(P<0.05)。两组首次检验学指标结果无差异,(P>0.05);周期治疗后,研究组检验学指标有显著改善,(P<0.05)。组间治疗前的肝静脉压力在同一范围,(P>0.05);研究组经治疗后肝静脉压力指标较好,(P<0.05)。研究组治疗指标较为理想,(P<0.05)。研究组不良反应的发生较少,(P<0.05)。结论 OCT与PAN治疗肝硬化合并上消化道出血疗效更佳,建议大力推广和应用。

铝碳酸镁咀嚼片联合埃索美拉唑运用于慢性胃溃疡治疗的临床疗效分析

探讨分析铝碳酸镁咀嚼片(HCT)联合埃索美拉唑治疗慢性胃溃疡的效果。方法 病例收取年月:2022.03-2023.05,科室与疾病:消化内科,慢性胃溃疡;病例数:67例,分组方式:抛硬币法分组,分为联合组33例,一般组34例。一般组运用埃索美拉唑治疗,联合组在此基础上增加HCT治疗。比较组间治疗效果、表现症状评分、实验室指标、胃黏膜保护因子、不良反应发生率。结果 联合组治疗有效率更佳,(P<0.05)。治疗前,两组表现症状评分差异甚小,(P>0.05);治疗后,联合组表现症状有明显改善,(P<0.05)。组间用药前的胃功能在同一水平,(P>0.05);联合组用药后的胃功能恢复较好,(P<0.05)。用药前,组间胃黏膜保护因子差异较小,(P>0.05);用药后,联合组胃黏膜保护因子恢复正常,(P<0.05)。联合组仅有3例出现不良反应,占比较少,(P<0.05)。结论 HCT和埃索美拉唑治疗慢性胃溃疡的效果更佳,值得大力推广和应用。

特征增强SSD算法及其在遥感目标检测中的应用

为了提高对复杂场景下多尺度遥感目标的检测精度,提出了基于多尺度单发射击检测(SSD)的特征增强目标检测算法.首先对SSD的金字塔特征层中的浅层网络设计浅层特征增强模块,以提高浅层网络对小目标物体的特征提取能力;然后设计深层特征融合模块,替换SSD金字塔特征层中的深层网络,提高深层网络的特征提取能力;最后将提取的图像特征与不同纵横比的候选框进行匹配以执行不同尺度遥感图像目标检测与定位.在光学遥感图像数据集上的实验结果表明,该算法能够适应不同背景下的遥感目标检测,有效地提高了复杂场景下的遥感目标的检测精度.此外,在拓展实验中,文中算法对图像中的模糊目标的检测效果也优于SSD.

优化卷烟纸降低中支卷烟燃烧锥落头倾向研究

本研究通过考察卷烟纸定量、透气度、助燃剂镁盐含量以及助燃剂中钾盐占比等对中支卷烟燃烧锥落头倾向的影响,并结合正交实验设计分析各参数对燃烧锥落头倾向的影响程度,最终选用针叶木与阔叶木纤维配比30∶70,碳酸钙含量为28%,柠檬酸钾、苹果酸钾和柠檬酸钠助燃剂复配,助燃剂钠钾比为1∶1.2、含量(柠檬酸根计)1.5%的设计方案进行优化,卷烟燃烧锥落头率从11.25%下降至3.75%。

基于YOLO v3算法改进的交通标志识别算法

针对目前交通标志识别任务在使用深度学习算法时存在模型参数量大、实时性较差和准确率较低的问题,提出了基于YOLO v3改进的交通标志识别算法。该算法首先将深度可分离卷积引入YOLO v3算法的特征提取层,将卷积过程分解为深度卷积、逐点卷积两部分,实现通道内卷积与通道间卷积之间的分离,从而保证了在较高识别准确率的基础上极大地减少了算法模型参数数量以及计算量。其次,在损失函数设计上使用广义交并比(GIoU)损失替换均方误差(MSE)损失,将评测标准量化为损失,解决了MSE损失存在的优化不一致和尺度敏感的问题,同时将Focal损失加入到损失函数以解决正负样本严重不均衡的问题,通过降低大量简单背景类的权重使得算法更专注于检测前景类。将该算法应用于交通标志任务中的结果表明,在TT100K数据集上,该算法的平均精度均值(mAP)指标达到了89%,相较于YOLO v3算法提升了6.6个百分点,且其参数量仅为原始YOLO v3算法的1/5左右,每秒帧数(FPS)亦比YOLO v3算法提升了60%。该算法在极大地减少模型参数量和计算量的同时,提高了检测速度和检测精度。

基于特征融合的遥感图像舰船目标检测方法

针对常用的目标检测算法对遥感图像中的舰船目标进行检测时存在检测精度与实时性兼顾不佳的问题,提出了基于特征融合的遥感图像舰船目标检测算法来检测复杂场景下的多尺度舰船目标.该算法以多尺度单发射击检测框架为基础,增加反卷积特征融合模块和池化特征融合模块,增强网络特征提取的能力.同时设计聚焦分类损失函数来解决训练过程中正负样本失衡的问题.在高分遥感舰船目标数据集上的实验结果表明,所提方法能够有效地增强复杂场景下舰船目标的检测精度.此外,该算法对遥感图像中的模糊舰船目标的检测效果也优于多尺度单发射击检测框架.

基于特征融合SSD的遥感图像舰船目标检测

针对当前常用的舰船目标检测算法的精度与实时性兼顾不佳的问题,提出了基于特征融合的目标检测算法FFSSD,该算法以SSD算法和DSSD为基础,克服了SSD算法小目标检测精度低、DSSD算法运行时间长等缺陷。FFSSD算法选取轻量级VGG16网络作为特征提取的骨干网络,然后设计特征融合模块,将深层特征通过反卷积操作与浅层特征进行融合,得到结构层次丰富的融合特征,最终实现不同卷积层、不同特征的多元信息的分类预测与位置回归。在舰船光学遥感数据集上进行数据分析实验,平均检测精度(AP)达到85.9%,检测速度达到38.6FPS。实验结果表明,FFSSD算法能在实现实时检测的同时有效提高检测精度,实现对遥感图像中舰船目标的高精度检测。

超临界CO_(2)萃取法制备烟草净油及其成分分析

为进一步提高烟叶的高效利用,开发可利用的烟草净油,以4种适配性较差的烟叶为研究对象,通过正交法优化超临界CO_(2)萃取工艺,最终得到最佳工艺条件为:萃取温度为55℃,萃取压力为25MPa,萃取流量为40L·h^(-1),萃取时间为1.5h。所得提取物经脱蜡处理后进行GC-MS分析和感官评价,结果表明,该方法能够有效制备烟草净油。

基于社区划分的电影推荐模型

针对电影推荐系统中传统协同过滤推荐的数据稀疏性问题,引入社区划分的思想,构建了一种融合电影类别、用户评分和用户标签的电影推荐模型。首先,基于电影类别使用凝聚式层次聚类算法进行社区划分,并找到待推荐的用户所属的社区,然后根据用户评分和用户标签构建用户相似性,在社区中找到和用户最相似的用户集合,最后根据相似用户集合的用户评分预测待推荐用户的评分并进行推荐。在MovieLens数据集上进行仿真实验,该模型相比基于余弦相似性的协同过滤的平均绝对误差(MAE)和均方根误差(RMSE)分别下降了0. 140 4和0. 149 0,相比基于Pearson的协同过滤的MAE和RMSE分别下降了0. 109 5和0. 083 3。实验结果表明该模型具有良好的推荐效果,且该模型在社区内部进行推荐,有效解决了数据稀疏性问题。

基于DeepLabv3+的遥感建筑物语义分割算法

针对遥感图像语义分割中的小目标分割不全、边界精度不高,以及模型参数量大、实时性达不到需求等问题,通过改进DeepLabv3+网络来满足遥感语义分割任务中对精度和实时性的要求。该算法首先将高分辨率的遥感图像裁剪为统一尺寸的低分辨率图像,便于针对小目标物的分割和批量训练。其次,使用轻量级网络MobileNet作为特征提取基干网络并在编码阶段后引入通道间注意力模块,在保证不损失分割性能的前提下,极大地减少了模型的参数量,使模型搭载在移动端和嵌入式设备上成为可能。最后,为了解决正负样本不均衡对模型性能产生的影响,将Focal loss和Dice loss合并起来充当损失函数进行网络训练。最终在马萨诸塞州建筑数据集上,相较于引入双注意力机制的DeepLabv3+网络,其分割像素精度(PA)和交并比(IoU)分别仅损失0.6和1.1个百分点,但模型大小仅为20.1 MB,为双注意力DeepLabv3+模型的1/7左右,在中央处理器(CPU)单张分割耗时上仅为399 ms,分割效率为其两倍多。该算法在充分保证分割精度的同时,能尽可能地提升模型的便携性和实时性。

贪心核加速动态规划算法求解折扣{0-1}背包问题

针对现有动态规划算法求解折扣{0-1}背包问题(D{0-1}KP)缓慢的问题,基于动态规划思想并结合新型贪心修复优化算法(NGROA)与核算法,通过缩小问题规模加速问题求解来提出一种贪心核加速动态规划(GCADP)算法。首先利用NGROA对问题进行贪心求解,得到非完整项;然后通过计算得到模糊核区间的半径和模糊核区间范围;最后对于模糊核区间内的物品及同一项集内的物品利用基础动态规划(BDP)算法求解。实验结果表明:GCADP算法适用于求解D{0-1}KP,且在求解速度上相比BDP算法平均提升了76.24%,相比FirEGA算法平均提升了75.07%。

改进卷积神经网络在腺癌病理图像分类中的应用

针对传统卷积神经网络(CNN)稀疏的网络结构无法保留全连接网络密集计算的高效性和在实验过程中卷积特征利用率低造成的分类结果不准确或收敛速度较慢的问题,提出了一种基于CNN的多尺度方法结合反卷积网络的特征提取算法(MSDCNN)并对腺癌病理图像进行分类。首先,利用反卷积操作实现不同尺度特征的融合,然后利用Inception结构不同尺度卷积核提取多尺度特征,最后通过Softmax方法对图像进行分类。在腺癌病理细胞图像进行的分类实验结果表明,在最后的卷积特征尺度相同的情况下,MSDCNN算法比传统的CNN算法分类精度提高了约14%,比同样基于多尺度特征的融合网络模型方法分类精度提高了约1.2%。