中轴性脊柱关节炎的病灶分割方法

中轴性脊柱关节炎会造成脊柱或受累关节的强直畸形。目前磁共振成像是诊断中轴性脊柱关节炎的主要方法。但人工诊断该疾病时,骶髂关节处磁共振图像具有人工成本高、效率低等问题。为辅助诊断中轴性脊柱关节炎,本文提出一种基于U-Net的病灶分割方法,自动提取骶髂关节处MRI图像中的病变区域。实验的结果表明,基于U-net的病灶分割算法平均的Dice系数值为0.78,准确性较高,能有效地解决辅助诊断的问题。

元启发式算法在特征选择中的应用研究

2型糖尿病是影响中老年人生命质量的疾病。及早发现糖尿病能延缓疾病并发症,可以提高病人的生存质量。为辅助检测2型糖尿病的患病风险,本文提出了一种基于元启发的特征选取方法,用于构建糖尿病患病风险预测模型时的特征选取。对比实验的结果表明,本文方法能提高特征抽取的速度和相对准确度,可用于构建2型糖尿病患病风险的预测模型。

稀疏诱导流形正则化凸非负矩阵分解算法

针对非负矩阵分解方法在有噪声的真实数据中获得特征的有效性问题,提出了一种稀疏诱导的流形正则化凸非负矩阵分解算法。所提算法在流形正则化的基础上,向低维子空间的基矩阵添加基于L2,1范数的稀疏约束,构建了乘法更新规则,分析在该规则下算法的收敛性,并设计了在低维子空间上不同噪声环境下的聚类实验。K均值聚类实验结果表明,稀疏约束降低了噪声特征在学习中的表达能力,所提算法在不同程度上优于同类8种算法,对噪声有更强的稳健性。

高校九零后团学干部培养的问题和对策

团学干部队伍的建设中最中坚的队伍就是各大高校的团学干部,各大高校的学生工作中最重要的组成部分也是团学干部队伍,高校的发展及稳定与之息息相关。通过探讨培养高校团学干部的重要性以及存在的问题,提出高可行性的对策和方法,有利于学生工作的高效开展。

一种嵌入并行通道蓝图分离卷积的图像分类算法

卷积神经网络计算复杂度高,占用资源多,使得其很难部署到移动嵌入式设备上.为了解决这类限制,本文提出了一种基于嵌入并行通道蓝图分离卷积(B2SENet)模型的图像分类算法,首先通过引入并行SENet通道,使得不同内核大小的并行分支融合在一起,增强全局感受野,其次在并行SE通道中改变传统卷积操作方式,适配蓝图分离卷积(BS),有效减少卷积层参数以及模型体积.最后在并行通道融合过程中引入soft attention机制,获取通道权重系数,使得模型强化对特征的选择性,在CIFAR10和100以及ImageNet2012基准数据集上对比,实验表明B2SENet(BS+并行通道SENet)在模型复杂度以及准确率上均优于MobileNet和ShuffleNet,使得其在嵌入式设备网络模型中表现相当出色.

思想政治教育应以自我教育为本

思想政治教育逐步回归到人的本身已经成为了学术界的主要研究方向。思想政治教育的核心是人,思想政治教育的一切活动都应该围绕人展开。作为教育者,想要达到良好的教育效果,积极主动地接受思想政治教育是重要条件,而人的积极主动性的最佳表现就是人在生活中对自身进行思想政治的自我教育。这种教育不是对传统"灌输"论的否定,而是将"灌输"论中的双方变成一方,自己既是受教育者,同时也是教育者。

深度图像中的3D手势姿态估计方法综述

3D手势姿态估计是计算机视觉领域一个重要的研究方向,在虚拟现实、增强现实、人机交互、手语理解等领域中具有重要的研究意义和广泛的应用前景.深度学习技术已经广泛应用于3D手势姿态估计任务并取得了重要研究成果,其中深度图像具有的深度信息可以很好地表示手势纹理特征,深度图像已成为手势姿态估计任务重要数据源.本文首先全面阐述了手势姿态估计发展历程、常用数据集、数据集标记方式和评价指标;接着根据深度图像的不同展现形式,将基于深度图像的数据驱动手势姿态估计方法分为基于简单2D深度图像、基于3D体素数据和基于3D点云数据,并对每类方法的代表性算法进行了概括与总结;最后对手势姿态估计未来发展进行了展望.

加强独立学院贫困大学生高质量就业的措施研究--以温州地区为例

高校大学生就业形式日趋严重,尤其是独立学院的穷困大学生高质量就业情况不容乐观。独立学院大学生的从业条件和从业素质在大环境下都不占优势,因此加强独立学院贫困大学生高质量就业的措施研究,不仅影响高等教育健康有效发展,还影响着社稷以及社会的有效发展。本文探究了独立学院穷困大学生的相似特证,并分析了国内外关于帮扶该类同学的相关措施,并提出了“四维联动”措施促进独立学院贫困大学生高质量就业。

基于二值神经网络的大场景点云分类

近年随着3维数据采集技术不断发展,大场景点云数据的获取越来越方便。目前深度学习网络框架在2维图像处理领域越来越成熟,而大场景点云是一种3维无规则化的数据,3维卷积神经网络直接处理大场景3维数据会存在分类精度低和计算复杂等问题。因此为了有效解决基于深度学习的点云分类任务中存在的计算时间长和分类精度低的问题,本文提出基于二值神经网络的大场景点云分类方法,针对不规则的3维点云数据设计特征值计算方法,基于IR-Net二值神经网络处理输入的点云特征图像,进一步采用Dynamic ReLU激活函数,提高神经网络的计算效率,最后得出点云分类结果。实验结果表明,所提出的方法在Oakland数据集上分类精度达到97.6%,在GML数据集中取得了92.3%和97.2%的分类精度,实验结果证明Dy-ResNet能够有效提升了点云分类的精度,减少计算的复杂度,并提高了训练效率。

“互联网+”视域下“人造亲密度”对大学生情感交流效能调查研究分析——以温州大学城为例

“人造亲密度”是指两个陌生人通过自我曝露式谈话快速提升的好感度。“人造亲密度实验”基于著名心理学家亚瑟·阿伦等人设计的人际亲密产生实验，在此基础上进行改编创新。从时效性角度出发，讨论“人造亲密度”的可持续性以及在当下表现为高好感度状态下能否刺激进一步深入交往。从实验参与者本身角度出发，分析实验后交往频率和深度与亲密度表现为高可持续性或低可持续性之间的关系。重点探讨“人造亲密度”对大学生情感交流的效能，以此分析“人造亲密度”实验能否推动大学生人际关系进展以及运用在人际交往的可行性。