基于eNSP、VirtualBox和Kali的DHCP多层次闯关实验设计

动态主机配置协议(DHCP)是管理和分配IP地址的协议,在企业网中广泛使用。针对学生在学习过程中缺乏动手实践能力的训练以及计算机网络设备硬件有限的问题,提出了一种综合使用eNSP、VirtualBox、Kali软件搭建DHCP多层次实验项目。实验项目的设计涵盖了常见DHCP服务器的配置、DHCP中继、DHCP攻击与防御方面的内容。通过本实验项目的设计能够提升学生的网络工程实践能力,方便教师开展线上教学,提升教学质量。

基于视觉技术的胶带输送机煤量检测方法

胶带输送机广范应用于煤炭行业,为了保证设备连续、稳定运行,必须对胶带输送机加装相应的故障检测装置,传统的检测装置检修维护工作量大,保护误动作率高。通过改进YOLOv5s的方法,对胶带输送机煤量进行检测,首先将原本YOLOv5s的骨干网络替换为MobileNetV2,然后在骨干网络之后引入注意力模块,在Neck中引入BiFPN结构,利用迁移学习的方法微调模型参数。结果表明,改进后的YOLOv5s检测速度为32帧/s,mAP50为98.9%,与常见的目标检测算法相比,具有更高的检测精度和速度,可以快速准确地实现输送机“无煤量”“小煤量”“中煤量”“大煤量”检测,进而对输送机进行实时调速,为智能视频监控系统设计提供参考。

体验式编程教学的应用研究——以“数据库开发技术”课程为例

针对编程课程入门难、学生学习积极性不高等问题,文章利用体验式编程教学方法对“数据库开发技术”课程进行实践研究,通过实验教学和任务驱动等方法培养学生的实践能力和协作能力,使学生建立编程思维,在完成教学任务的同时,也提高了学生的学习兴趣和小组成员之间的沟通及团队合作能力。

体验式编程教学的应用研究--以“数据库开发技术”课程为例

针对编程类课程教学存在的学生入门难、学习积极性不高等问题,文章利用体验式编程教学方法对“数据库开发技术”课程展开了实践研究,通过实验教学和任务驱动等方法培养了学生的实践能力和协作能力,并在完成教学任务同时提高了学生的学习兴趣和团队合作能力。

基于深度学习的COVID-19智能诊断系统

针对2019年12月在全球爆发的新冠肺炎,传统的RT-PCR检测易出现假阴性或弱阳性并且检测时间长等问题,设计了一种基于深度学习对胸部X光片辅助诊断新冠肺炎的方法;采用UNet分割模型实现了肺部ROI区域的自动分割,对分割后的影像应用TrivialAugment数据增强策略,通过MBCA-COVIDNET模型实现胸部X光片三分类(新冠肺炎、其它肺炎、正常)任务,该模型以MobileNetV2作为骨干网络,并在其中加入坐标注意力机制(CA);利用Hugging Face和Flask开源软件搭建了COVID-19智能诊断系统;实验结果表明MBCA-COVIDNET模型在COVID-QU-Ex Dataset测试集上取得了高达97.98%的准确率,而模型的参数量和MACs仅有2.23 M和0.33 G,该智能诊断系统能够很好地辅助医生进行基于胸片的COVID-19诊断,提升诊断的准确率以及诊断效率。

基于视觉技术的带式输送机跑偏检测方法

为了解决带式输送机传统的跑偏检测装置容易误动作、检修维护工作量大、可靠性差等问题,提出了一种基于视觉技术的带式输送机跑偏检测方法,基于OpenCV库对工业视频进行转换,再利用灰度化、高斯滤波、直方图均衡化等方法进行图像预处理,随后利用Canny边缘检测算法、提取感兴趣区域ROI、Hough变换算法等实现带面边缘检测,最后将检测到的带面边缘直线与标定好的输送机托辊边缘直线进行比较得出带式输送机的运行状态。实验结果表明,该方法能够检测出带式输送机的“无跑偏”、“左跑偏”、“右跑偏”3种运行状态,具有较高的可靠性、稳定性和实时性,为保证带式输送机安全高效运行提供了思路。

基于改进的Faster R⁃CNN的肺结节检测方法研究

研究使用相同的CT图像数据集,对几种常见的肺结节检测方法进行对比试验,最终选取了检测精度高的Faster R⁃CNN进行了实验.然而,即使是本领域内检测精度最高的Faster R⁃CNN方法在肺结节检测领域的效果也难以令人满意.原始的Faster R⁃CNN中的锚框尺寸大,在肺结节检测领域无法达到好的应用效果,为了提高结节检测的精度,在Faster R⁃CNN的基础上进行了改进,改进的内容主要包括:(1)更多层的特征提取使得检测精度提高,因此,在网络特征提取时采用ResNet替换掉原始网络中的VGG16网络,采用ResNet⁃101进行后续实验的改进.(2)引入了一种K⁃Means聚类算法分析anchor的尺寸,选择合适的k值后,重新设置锚框的大小.通过对锚框的尺寸的改进,数据与锚框大小的匹配度提高了,模型的整体性能有了提升.实验证明:所提出的方法具有较高的精度和效率.

ASP．NET下利用动态网页技术生成静态HTML页面的方法

介绍了一种在ASP.NET环境下利用动态网页技术生成静态HTML页面的方法。利用这种技术,网站内容管理人员在添加网页时直接利用后台管理发布程序就把页面存放成HTML静态文件,它有生成页面简单、快速的优点。这种技术对于访问量大的网站尤其适用,可以减轻服务器端运行程序和读取数据库的压力,提高了网站的数据存取效率,生成的静态页面也更利于搜索引擎收录。

蒙医药数字化信息资源平台设计与实现

设计并实现基于ASP.NET的蒙医药数字化信息资源平台,系统采用VS2008+SQL Server2005及3层架构模式,整合新闻资讯、蒙药、蒙医问答等功能模块,实现蒙医药资源的数字化并建立共享系统。经测试系统运行良好,达到预期目标。

ASP.NET下图像缩略图自动生成与上传方法

介绍了一种在ASP.NET环境下自动生成图像缩略图并上传到服务器的方法。该方法通过调用Graphics类的DrawImage()方法,选择合适的参数对已有图像进行重新绘制,生成相应的缩略图。利用该方法生成缩略图具有速度快、压缩比高,以及生成的缩略图质量好的特点。

Flash技术在高等医学院校教学中的应用

高等医学院校的诸多课程涉及到很多抽象的、学生难以理解的概念和复杂原理,在教学过程中,恰当地运用Flash多媒体技术生动、形象的特点,可以变抽象为具体、变无声为有声,以图文并茂、声像俱佳的表现形式组织教学,大大增强学生对医学课程的理解与感受。

ASP.NET下动态产生控件实现多文件随意上传

介绍了在ASP.NET环境下通过浏览器上传多文件的一种方案,该方法利用动态HTML语言(DHTML)结合客户端JavaScript脚本动态产生控件,并用C#语言编写后台代码真正实现了基于Web的无组件多文件上传,对上传文件的个数和类型都没有什么限制,并将上传后的文件名保存到数据库中,本方法具有灵活、简单、易用的特点,是WEB应用中值得借鉴的一种方法。

包头市区蒙、汉族老年人患病情况分析

对包头市区５１９名蒙、汉族老年人的慢性病患病情况进行了调查，总患病率为７９．３８％，男性患病率为７７．７８％，女性患病率为８１．６９％。居前五位的慢性病患病率顺位依次为心脏病（３７．６７％），风湿性关节炎（２６．４０％），高血压（２６．２０％），慢性肺病（１９．６５％），慢性肾病（７．１３％）。不同民族、性别、年龄、文化程度间的患病率均无显著性差异。

利用VBA实现Excel的分页汇总统计

本文通过利用Excel内嵌的VBA编程语言和Excel的宏功能相结合,实现了Excel所不具有的分页汇总统计功能,弥补了Excel在此功能方面的不足。

Web环境下统计图表的一种生成方法

利用Windows的图形设备接口GDI+提供的图形工具库(即System.Drawing名称空间的GDI+),将程序代码分布在Web服务器端,用户通过浏览器访问相应的网页并运行服务器端代码,动态地生成图表,然后以GIF或JPG图形的形式发送给客户端提交给用户。最后给出一个生成直条图的例子及程序代码。

修改硬盘的PIO模式修复硬盘

通过对硬盘PIO模式的修改修复了无法使用的硬盘,详细介绍了具体的解决办法。

基于深度卷积神经网络的肺结节检测与识别

应用卷积神经网络将肺结节从含有背景、噪声的胸腔区域里检测并识别出来.首先,对图像进行预处理,获得肺实质图像.然后,应用Faster R-CNN多特征融合算法检测肺结节候选区域,再利用多角度特征融合方法滤除假阳性结节.接着,通过数据增强法、残差学习法、优化初始参数等对卷积神经网络的性能进行优化.最后,应用迁移学习方法对数据集进行训练,得出最终的检测结果.抽取LIDC数据集中含有肺结节图像数据,检测并识别肺结节的准确率达到98.1%.实验结果表明,该算法优于其他3类算法,实现了肺结节的精确检测和识别,在保证检测和识别出正确结节的前提下,降低了过拟合率及训练时间,提高了算法效率,研究成果为早期肺癌的诊断提供参考依据.

区域生长和水平集相融合的肺部CT图像分割

为将肺实质区域从含有背景、噪声的胸腔区域里分割出来,首先,应用传统的区域生长法初步定位肺部边界轮廓;其次,去除肺部边界噪声,采用自适应曲率阈值法修复肺部边界;最后,应用水平集法中的DRLSE模型精确地分割出肺部区域。融合两种方法分割肺部区域,有效防止了图像边缘的漏检,可处理多种类型病变的肺部图像。在随机抽取的150例图像中,分割的准确率达到96.9%,分割一幅图像花费的时间约为0.72 s,具有很强的鲁棒性和较高的分割精度。本算法能精确完整地分割出肺部区域并保留了肺区内的细节信息。

基于脑部MR图像GMM特征决策分类的肿瘤诊断

磁共振(MR)图像提供了大量用于医疗检查的信息。精确鲁棒的脑部MR图像分割、特征提取和分类对于临床诊断肿瘤是非常重要的。提出一种新的基于脑部MR图像的肿瘤诊断方法。首先,通过多阈值分割形态学操作检测图像的畸形区域,然后,提取用于分类的高斯混合模型(GMM)特征,最后,利用决策树分类器对肿瘤图像类型进行分类。整个分类过程分为训练和测试2个阶段,训练阶段提取肿瘤图像和非肿瘤图像不同的特征,在测试阶段基于知识库进行肿瘤和非肿瘤分类。使用准确度、误报率和漏检率3个性能指标对算法进行评估,实验结果表明,分类准确度可达91.18%-94.11%,误报率和漏检率在2.94%-4.41%范围内,可以有助于更好的脑部肿瘤诊断。