基于深层卷积残差网络集成的黑色素瘤分类方法

针对黑色素瘤分类识别任务中存在对比度低、肉眼难以区分、信息干扰大、数据量偏少以及数据不均衡等诸多问题,文中提出了一种基于掩盖的数据增强与深度卷积残差网络相结合的集成分类方法。首先根据皮肤病图像的特点,在前人数据增强研究的基础上,提出了两种基于掩盖训练图像部分区域的数据增强方式;其次以这两种数据增强方式为基础,采用深度卷积残差50层(ResNet-50)网络进行特征提取;然后以提取到的特征来构建两个具有一定差异性的分类结构模型,并对其进行集成;最后以国际皮肤影像协作组织(ISIC)2016挑战赛所公布的皮肤病图像数据集为对象,通过一系列实验对提出的方法进行了验证测试。实验结果表明,所提出的集成分类结构模型能弥补单一卷积残差网络在黑色素瘤分类任务中的缺陷,该模型能够在训练样本较少的皮肤病数据集上取得较好的分类结果,多项评估指标均优于ISIC2016挑战赛的前5名。

基于CNN的相衬显微图像序列的癌细胞多目标跟踪

检测与跟踪相衬显微图像序列下的癌细胞对于分析癌细胞的生命周期以及开发抗癌新药具有非常重要的意义。传统的目标跟踪方法大多应用于刚性目标跟踪或单目标跟踪,而癌细胞是非刚性且不断裂变的多目标,这就大大增加了跟踪的难度。文中以相衬显微图像序列中的膀胱癌细胞为研究对象,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的癌细胞多目标跟踪方法。该算法采用基于检测的多目标跟踪方法,首先利用深度学习检测框架Faster R-CNN卷积神经网络实现癌细胞的检测,初步获得待跟踪的癌细胞;再利用扫描圆算法(Circle Scanning Algorithm,CSA)实现黏连细胞的检测优化,进一步提高黏连区域的细胞检测精度;最后提取综合特征描述子,对卷积特征、尺寸特征和位置特征进行加权求和,实现跟踪目标的综合描述,从而实现不同帧癌细胞间的高效关联匹配,最终实现癌细胞的多目标跟踪。一系列实验结果表明,相较于传统方法,所提方法不仅在癌细胞的检测和跟踪上性能有较大的提升,而且可以有效处理目标的遮挡问题。

相对运动的模糊图像复原的算法研究

对由相对运动引起的模糊图像复原的算法进行了研究,分析其退化的原因,建立了其退化和复原的数学模型,并采用逆滤波、维纳(Wiener)滤波和卡尔曼(Kalman)滤波等算法对仿真运动下的模糊图像分别进行了图像恢复处理。结果表明,利用这一模型算法取得了良好的效果。还对更为复杂退化环境下的图像恢复问题进行了初探,为更为复杂退化环境下的图像恢复提供了理论依据和实践基础。

单片机实践教学改革初探

单片机实验是一种内容广泛、丰富多样、灵活机动的设计性、综合性实验。本文就单片机实验教学现状进行了分析,对本课程的特点进行了剖析,并结合我校培养具有创新精神的人才的培养目标,提出强化实践、注重能力培养的基础能力训练、应用能力和综合能力训练的实践教学模式,积极发挥学生的主体作用,培养学生的实践能力与创新精神。

计算机类本科专业硬件实践教学改革探讨

本文对计算机类硬件实验教学现状进行了分析,对该类课程的特点及教学弊端进行了剖析,并结合笔者的实际教学经验与体会,以及学校现有的实验条件,提出了理顺硬件课程的实验教学体系、注重动手能力培养、提高实践教学方法等措施,充分发挥学生的积极性、主动性,培养学生的实践能力。

基于可重构模块化的小型农业作业机方案设计

在综合分析设施农业用多功能作业机功能需求的基础上,根据结构可重构模块化设计方法的特点,对小型农业作业机的方案设计过程进行了研究,并应用运筹学的相关原理,将层次分析法与动态规划等结合起来,对其进行寻优组合评价,为最终实现作业机可重构模块化设计提供理论基础。

果蔬产品品质无损检测技术的研究进展

该文较为全面地介绍了国内外基于果蔬产品物理特性的无损检测技术的研究现状及方法,如电学特性检测技术、光学特性检测技术、声波振动特性检测技术、核磁共振(NMR)技术、电子鼻技术、撞击技术以及一些其他技术与方法,并对未来的发展方向予以了展望,认为综合应用多种高科技技术进行果蔬产品的无损检测与分选是未来发展的趋势。

基于PDA的森林资源数据采集系统的设计与实现

为了实现森林资源数据采集的全程无纸化作业,提高数据采集效率,研究开发了基于个人数字处理助理(PDA)的森林资源数据采集系统。从系统开发平台与开发工具的选择、系统架构与功能、实现的关键技术等方面进行了详细的介绍;重点研究了客户端与服务器之间的无线网络模式下数据传输的交互技术;完成了系统服务器端、客户端的软件开发,并在最后调试运行了整个系统。

数字逻辑电路课程设计实验教学改革与实践

针对计算机专业学生的数字逻辑电路课程设计教学存在的不足,提出有针对性的实验教学改革思路,首先选择类C的Verilog HDL语言做设计性实验,其次根据从单一到综合的学习规律与专业培养目标的要求,精心设计3个逐层递进的实验课题,最后在考核方式上对于自选题组采用项目答辩模式对课题成果进行考核,并以实例说明教学效果。

基于节能偏好的冲突多目标相容温室环境控制

在温室环境控制问题中,传统的控制方法追求精确的点目标控制,而精确的控制精度是以高的能量消耗为代价的。针对温室环境控制这一实际问题,采用多目标相容控制算法来进行控制。因为在相容控制算法中点控制目标被放宽到区间内,所以有很大的余地来协调控制精度和能耗。为了满足相容控制算法在控制过程中节能偏好的需要,对遗传算法进行了改进,把节能这一偏好信息引入到了优化过程中、参与进化寻优。通过对经典温室模型仿真,验证了新算法在节能降耗方面的优势。

基于层次分析法的高校教学质量评价改革

教学质量评价是提高高校教学质量的重要保证,因此,要对高校教学全过程进行有效评价与监控.汲取现有评价方法的优点,综合考虑教师教学质量评价中的多方面因素,提出了教学质量评价体系,并考虑到不同施评主体应有不同评价准则和权重,采用基于模糊综合评价的分层分析方法,对高校教师教学质量评价方法进行了改进,以便进一步推广与应用.

水质参数监测系统设计与实现

为了实现水质参数的远程监控,提出了一种基于MSP430和GPRS的水质参数监测系统设计方案——以MSP430F149单片机为核心,由水质参数检测模块、语音报警模块、数据储存模块、时钟模块、人机通信模块、GPRS通信模块和上位机软件平台组成,并给出了系统的构成及主要设计,实现了水质参数的检测及传输。

基于鲁棒优化模型的单交叉口交通信号配时的研究

针对城市交通道路单交叉口多相位的控制问题,考虑到各相位交通流具有不确定性的特性,在以交叉口车均延误最小为控制目标的基础上,提出了基于情景的鲁棒优化模型,并针对该优化模型以相位绿灯时间和周期时长为控制变量,采用了遗传算法进行优化。最后,以某交叉路口为例进行了仿真实验,并将确定性模型与鲁棒模型的结果进行了对比。结果表明,鲁棒模型所求得的交通信号配时方案能够更为有效地应对交通流不确定性导致的随机差异,具有较强的鲁棒性。

一种结合多种图像分割算法的实例分割方案

针对目前在对图像中的物体进行分割时存在的分割精度不高,分割后物体缺失严重,边缘不清晰等问题,提出了一种结合多种图像分割算法的实例分割方案.该方案首先通过具有实例分割功能的Mask RCNN算法对输入的图像进行初步的分割,得到初始掩膜.再通过SLIC超像素分割算法对原图进行超像素分割得到超像素块,结合超像素块对初始掩膜的边缘进行扩展,结合扩展后的掩膜和初始掩膜进行形态学操作得到GrabCut算法分割的初始三元图,该图中明确指出了确定的前景、确定的背景和待分割区域,在此基础上用改进的GrabCut算法建立高斯混合模型(Gaussian Mixed Model,GMM),并反复迭代高斯混合模型参数,最后利用最大流最小割算法得到最优目标分割结果.实验结果表明,本文所提出的图像分割方案,分割效果在直观上能保证物体的完整性,基本能够将物体的所有信息都分割出来.与其他的分割算法进行比较,本文方案在分割精度上平均提高了约6.9%,同时具有很好的视觉效果.

面向RGBD图像显著性检测的循环逐尺度融合网络

当前很多RGB-D显著性目标检测方法尝试不同的跨模态融合策略来完成显著性目标检测,但大部分方法仅仅考虑如何对不同模态进行融合,而没有考虑模态本身.为了更好的利用模态自身特性,在这篇文章中,本文提出了一种新颖的循环逐尺度特征融合网络,根据深度图像与RGB图像本身特性,在解码器中设计了一种逐尺度特征融合策略,在每一个尺度都嵌入了一个新颖的跨模态特征融合模块,它能够帮助不同模态特征进行更好有效的融合.此外,本文还设计了一个循环编码器来进一步加强特征的融合以及跨模态特征间交互.实验结果表明,本文方法在5个流行的基准数据集上均显著的超过之前的10种最优方法.

水下机器鱼三维虚拟现实研究与实现

为创建具有真实感的虚拟现实环境,使用户能够直观感知机器鱼的实时运动状态,实现了一种基于虚拟现实技术的监测方法。在VC++的基础上利用OpenGL图形库与3D建模软件联合创建仿生机器鱼静态三维虚拟现实环境,并集合Access数据库与VC++的交互,实现机器鱼的实时运动显示,并使采样参数与采样位置有机结合显示。该系统可以实现用户从任意角度和距离监测机器鱼巡游路径、当前位置及所在区域的水质参数。系统结构清晰,旨在为实现智能化水产养殖提供参考依据。

面向深度卷积网络的多目标神经演化算法

传统的深度卷积神经网络设计方法依赖于人工设计以及反复试错,只能采用形式单一的网络结构,导致其参数过分冗余,乘法次数巨大.为了自动化地设计出结构灵活多变,网络规模及计算量较小的深度卷积神经网络,本文提出了一种面向深度卷积网络的多目标神经演化算法.该算法将深度神经网络表达成有向图,使用神经演化和多目标优化算法实现了深度、计算量和识别率下的多目标同时优化,同时还引入了线性规划用于将基因编码翻译为卷积层的配置参数,使得演化算法可以自动调整各个网络层的具体配置.演化得到的模型其最深路径上含有36个卷积层,CIFAR-100上Top5精度为86.1%,Top1精度为60.2%,与识别率相近的网络相比,具有结构新颖,乘法次数低等特点.综上,本文提出的方法能够自动生成一系列各具特色的深度神经网络,可根据在深度、计算量和识别率3个指标上的不同应用需求选择适合的深度神经网络,为深度神经网络部署于资源受限的无线传感器网络上提供了一种快速、经济、自动化的设计方法.

基于LLVM的RISC-V向量扩展栈帧布局优化

为了能够生成正确、优化的机器指令代码,需要在编译器后端代码的生成阶段,设计和使用合适的程序栈帧布局.由于RISC-V向量扩展架构具有可伸缩性、其向量寄存器的长度在编译时不可知,传统的栈帧布局无法适用.之前LLVM中针对向量扩展实现的栈帧布局虽然能够生成正确的机器指令,但存在访存指令较多,栈帧空间较大,以及预留寄存器较多等问题.我们对原有实现所存在的问题进行分析,在此基础上提出了新的布局方式以及向量对象地址计算方式,并通过巴塞罗那超算中心开发的测试集进行验证.实验表明新的栈帧布局能够有效减少访存指令数和栈空间大小.

基于深度残差网络的皮肤癌黑色素瘤识别

作为皮肤癌黑色素瘤主要检查手段的皮肤镜图像存在显著性低、类内差异大和样本数据量少等问题,难以采用传统算法实现高准确的识别。深度学习算法引入皮肤癌症检测,提出了一种基于深度残差网络的黑色素瘤识别算法。该算法通过构建深度残差网络提取皮肤镜图像的高维特征,使用残差学习防止网络梯度退化、降低网络训练的难度,实现了黑色素瘤的有效识别。相关仿真实验结果表明:所提出的基于深度残差网络的黑色素瘤识别算法性能明显优于基于卷积神经网络传统的算法,具有更高的准确性、敏感性、特异性和鲁棒性。

任务模块化的留学生大型实验教学探索与实践

针对留学生基础薄弱、存在语言隔阂和文化差异以及对现有教学方式水土不服,导致程序设计大型实验教学质量不高的问题,提出从任务模块化的角度设计教学方案,并详细探讨任务模块化的实验内容、课堂指导和考核反馈设计。