改进麻雀算法优化SVM的乳腺癌诊断

为提高乳腺癌诊断的准确性,文章提出了一种多策略融合的改进麻雀搜索算法(MISSA),用于优化支持向量机(SVM)的参数并构建分类模型。首先,采用spm映射初始化麻雀种群,以增加种群的多样性。然后,在发现者位置更新中融合正余弦算法,同时在跟随者位置更新中加入Lévy飞行策略,采用步长因子动态调整的方式提高寻优能力并降低局部最优的概率。最后,利用MISSA优化SVM模型的C和g参数。经优化后,该方法在乳腺癌诊断中达到了98.83%的精确率。

单电感双输出Boost变换器的复合控制方案

为减小单电感双输出Boost变换器的交叉调节,提出一种复合控制方案。建立变换器仿射非线性数学模型,基于微分几何理论证明所建模型满足精确反馈线性化条件,构造出相应输出函数实现系统的线性化和解耦,进而分别为线性系统设计内模控制器和状态反馈控制器,并对满足控制系统稳定要求的反馈系数选取进行分析。与现有控制方法进行仿真比较,结果表明,所提控制方案具有更好的动态调节特性、更优的控制性能和更小的交叉调节。实验结果进一步验证了所提控制方案的可行性。

基于多级跳跃残差组的运动人像去模糊网络

为解决复原后的运动模糊人像图像的轮廓模糊、细节丢失等问题,提出了基于多级跳跃残差组生成对抗网络(GAN)的运动人像去模糊方法。首先,改进残差块以构造多级跳跃残差组模块,并改进PatchGAN的结构以使GAN能够更好地结合各层的图像特征;其次,使用多损失融合的方法优化网络,从而增强重建后图像的真实纹理;最后,采用端到端的模式将运动模糊的人像图像进行盲去模糊操作,并输出清晰的人像图像。在CelebA数据集上的实验结果表明,相较于DeblurGAN(Deblur GAN)、尺度循环网络(SRN)和MSRAN(Multi-Scale Recurrent Attention Network)等基于卷积神经网络(CNN)的方法,所提方法的峰值信噪比(PSNR)和结构相似度(SSIM)分别至少提高了0.46 dB和0.05;同时,所提方法的模型参数更少,修复速度更快,且复原后的人像图像具有更多的纹理细节。

基于Gabor变换的超声回波信号时频估计

在无损检测中,超声回波往往是一个重叠较严重,含有噪声的多回波信号。根据Gabor变换时频分析的特点,该文提出一种基于Gabor变换的超声回波信号时频估计方法。该文建立回波信号与Gabor变换分析窗函数相似度(即距离)模型,通过模型相似度最小化问题转化为求解回波信号Gabor变换系数模的最大值来估计回波信号的传播时间(TOF)和中心频率(CF),最后推导它们的克拉美-罗界(CRLB)以评价算法的性能。Monte Carlo仿真和实验结果表明该文提出的算法,无论对低信噪比的单回波信号或重叠的多回波信号都能达到较高的精度,而且估计的均方误差在高信噪比时,达到CRLB,即使在低信噪比,也接近CRLB。

基于自适应局部Log-Gabor能量的多聚焦图像融合

利用全局搜索策略,设计适用于图像融合的最佳Log-Gabor滤波器组,并提出了一种基于自适应局部Log-Gabor能量的多聚焦图像融合方法:首先将多聚焦图像进行自适应分块,然后用最佳Log-Gabor滤波器组对这些子图像进行滤波,从而提取出该子图像的Log-Gabor能量,比较对应子图像的Log-Gabor能量,以挑选出其中清晰的像素并进行一致性检验,重构图像.本文给出了融合实验结果和各项评价指标,结果表明该方法与经典的融合方法相比性能更优,明显提高融合图像质量和运行效率.

基于多尺度循环网络的运动模糊图像复原方法

针对目前图像去模糊恢复细节不好、泛化性能不高的问题,提出了一种基于多尺度循环网络的运动模糊图像复原算法,在编码端将多尺度特征融合模块和残差密集连接模块融合,引入多尺度残差密集型连接模块。同时引入一种注意力机制并将融合了注意力机制的多尺度残差密集连接模块作为网络的基本结构。实验结果表明,与生成对抗网络相比,在GOPRO数据集的PSNR和SSIM最大分别提升了4.13 dB和0.0254 dB,和近年来效果最明显的SRN相比,Kohler数据集上的PSNR和SSIM分别提升了0.31 dB和0.0179 dB,具有更好的泛化性能。

人群计数研究综述

人群计数广泛应用在公共安防、视频监控和智慧城市建设等领域,对控制特定场所人数、指挥公共交通、防止疫情蔓延、保障社会稳定具有重要积极意义。传统的计数方法精度不高、场景受限,随着深度学习的发展,传统方法逐渐被卷积神经网络(convolutional neural network,CNN)方法代替。介绍了人群计数的研究背景、现状和发展趋势,叙述了两种传统方法;从计数精度、网络结构、评价指标和数据集等方面重点分析了CNN方法,发现CNN技术可以有效解决多尺度和跨场景等问题;阐述了基于Vision Transformer(ViT)序列的弱监督计数方法并且对比各类方法。对未来人群计数的研究前景做出展望。

基于局部Gabor能量的多聚焦图像融合

利用全局搜索策略,设计适用于图像融合的最佳Gabor滤波器组,并提出了一种基于局部Gabor能量的多聚焦图像融合方法:通过利用最佳Gabor滤波器组对局部图像进行滤波,从而提取出该局部图像的Gabor能量,比较对应局部图像的Gabor能量,以挑选出其中清晰的像素并进行一致性检验,重构图像。本方法真正保留了原始的清晰图像,实现了高精度融合。通过实验,证明了该方法对于多聚焦图像的融合具有很好的效果,明显提高了运行效率。

基于循序渐进模式的学生创新创业能力的培养——以电子信息类专业为例

通过现阶段高校人才培养机制培养出来的毕业生与现代企业人才需求标准不相符。应该基于高校创新创业型人才的培养现状,针对电子信息类专业的特点,分析电子信息类专业学生应具备的创新创业能力的基本素质,构建大学生创新创业教育的课程体系,实施大学生创新创业训练计划的方案,以及实施方案的运行管理机制,促进高校人才培养机制的转变,努力探索解决大学生就业难题。

基于图像块多向梯度模的小波图像融合方法

利用块分割图像融合算法的思想,提出了一种基于多向梯度模的小波图像融合方法:对图像块进行小波分解,利用小波反变换得到相同尺度的高频图像块,然后对高频图像块多向梯度滤波,比较对应块的高频图像的总的梯度模值,以挑选出其中清晰的图像块并进行一致性验证,重构图像。该方法不用进行小波反变换重构图像,真正保留了原始的清晰图像。通过实验,证明了该方法对于多聚焦图像的融合具有很好的效果和很好的稳定性。

基于空域图像局部多向梯度模的图像融合方法

针对传统像素级图像融合方法割裂像素间联系的问题,提出了一种基于局部多向梯度模的图像融合方法:先对源图像进行分块,然后用方向导数构造的多向梯度滤波器组对图像块进行多向梯度滤波,从而提取出不同方向的边缘特征,通过比较对应块图像总的梯度模的大小来判断属于清晰还是模糊的像素,以此达到融合图像目的。通过实验,证明了该方法简单、有效,对于多聚焦图像的融合具有很好的效果和很好的稳定性。

基于BP算法的神经网络用于教学质量评估

本文利用BP算法的前馈神经网络方法建立教学质量评估模型,通过MATLAB神经网络工具箱学习训练网络,经测试数据验证,结果比较准确,能克服各种人为因素,具有广泛的适用性。

培养创新型人才的途径研究——创建开放实验室

培养和提高学生的数学建模能力在当今数学教学改革中备受关注。分析建立数学建模与数学实验开放实验室的必要性及其在培养创新人才方面的重要意义,介绍了组织实施方面所做的一些有益探索,指出开放实验室对提高学生的动手能力和科研能力具有重要的作用,是学校培养创新人才值得借鉴的途径。

数学实验与数学建模研究的程序基础

使学生摆脱对数学的恐惧,意识到数学的重要性、数学的乐趣以及培养学生创新能力、应用数学解决实际问题的能力,离不开数学实验与数学建模的改革。针对数学建模与数学实验研究程序,从数学的角度进行分析,给出一个量化的实现过程。

几种函数逼近方式的逼近能力分析与比较

该文介绍了样条插值、最小二乘法、泰勒多项式和神经网络几种不同的函数逼近方式,并对这几种函数逼近方式的逼近能力作了比较,发现神经网络逼近效果比较好。

基于Gabor滤波和图像金字塔的多聚焦图像融合

利用拉普拉斯金字塔分解方法对原始图像进行多分辨率分解,通过取不同方向的Gabor滤波器对分解后的各层图像进行多方向的滤波,提取出不同方向的边缘特征,再通过比较特征大小来判断属于清晰还是模糊像素,最后对融合金字塔做拉普拉斯金字塔反变换得到融合图像。实验证明该方法能够取得很好的融合效果,融合质量优于其他方法。

基于稀疏正则化和渐近边界假设的运动模糊图像盲复原

为了复原因相机抖动而产生的运动模糊图像,提出基于L p范数和全变分范数的正则化盲复原方法;首先,基于模糊图像的梯度稀疏性建立L p范数正则化模型,利用全变分范数保持图像的结构信息;然后,根据模糊核稀疏性的先验知识建立模糊核的盲估计模型;最后,提出一种渐近边界假设条件对模糊图像进行扩展以抑制振铃,并通过交替最小化方法分别求解清晰图像和模糊核的估计值。结果表明,所提出的方法简单、可行,具有更好的图像复原效果。

结合分类方法的并行分形图像编码算法研究

针对分形图像编码计算密集的特点,建立编码步骤的串行-并行转化机制,利用计算统一设备架构CUDA的单指令、多线程执行特性,建立分形编码在图像处理器GPU上的并行计算模型,将耗时量较大的搜索最佳匹配块的串行执行过程并行化处理,并在此基础上结合方差法对值域块进行分类以减少搜索次数.实验结果表明,该文算法与原始算法相比可达到1 200多倍的加速并保持较好的解码图像质量,满足了实时编码的要求.

新常态下应用型创新人才培养路径探索

新常态下,我国经济发展逐渐从要素驱动、投资驱动转向创新驱动,对我国高校人才培养提出了新的要求。应用型创新人才是一个具有丰富时代色彩的概念,有着微观的层次定位区别。应厘清应用型创新人才的准确内涵,建立现代大学制度,创新产学研合作模式,建立应用型创新人才质量评价体系,构建以培养学生创新能力为导向的"一个核心+两个体系"教学框架,以探索应用型创新人才培养路径。

基于维纳滤波器嵌入的JPEG压缩图像动态增强

经JPEG编解码处理后的解码图像与原图像差异较为明显,基于此,提出了一种基于维纳滤波器嵌入的JPEG图像动态增强算法。计算压缩图像的嵌入容量,在嵌入容量限制下,根据目标图像动态地计算最优的维纳滤波器对称性、精度等参数并将参数嵌入JPEG压缩图像中,并对解码图像使用提取的维纳滤波器进行滤波增强,获得与原图像接近的解压缩图像。实验结果表明,该算法可单独增强JPEG压缩图像的质量,同时可基于其他图像后处理算法,进一步提高JPEG压缩图像的质量。