面向对象数据库db4o在智能家居中的应用

阐释了面向对象数据库的新特性,介绍了开源面向对象数据库db4o的特点,提出了在智能家居信息家电中应用面向对象数据库db4o存取对象的构想,并使用JAVA语言详细演示db4o如何存储、更新、查询、删除一个简单信息家电对象实例。

基于802．11b和Zigbee相结合的信息家电系统的设计

802．11b和zigbee两种无线网络技术各自具有明显的特点，并且许多特性具有很强的互补性。将这两种技术相结合应用于信息家电系统，具有很好的前景。该文给出了基于这两种无线网络技术的信息家电系统总体框架，对各部分的软，硬件进行了设计，并阐述了实现该系统的几个关键问题。在该系统中用户可以通过家庭网关对家庭网络设备进行远程管理和监控，用户也可在室内通过使用万能遥控器对家庭网络的家电设备进行管理和监控。家庭网络中的信息家电之间通过家庭网关进行数据通信。

基于卷积神经网络和迁移学习的乳腺癌病理图像分类

乳腺癌已经成为导致女性死亡最常见的和发病率最高的恶性肿瘤。对HE染色的乳腺癌病理图像的自动分类具有重要的临床意义。针对目前存在的深度卷积神经网络只将图像分为良性和恶性两类,同时对于高分辨率图像处理具有局限性的不足,采用了以AlexNet为架构的卷积神经网络模型将图像分为乳腺导管原位癌、乳腺浸润性导管癌、乳腺纤维腺瘤和乳腺增生四类。对于高分辨率图像,采用图像分块的思想,将每块的分类结果利用多数投票算法进行整合,整合结果作为该图像的分类结果。同时,为了避免因乳腺癌病理图像标记样本过少带来的过拟合问题,采用了迁移学习和数据增强的方法。实验结果表明,该模型识别率达到了99.74%。

基于两步聚类和随机森林的乳腺腺管自动识别方法

腺管的自动识别在乳腺癌的组织病理学诊断中十分关键,因为腺管密度是乳腺癌分级中的一个重要因子。腺管由一个周围充满细胞质的中心管腔以及管腔周围均匀环绕的细胞核组成。若管腔、细胞质、细胞核在空间位置上接近,则意味着这可能是一个腺管,但是这种识别方法会因为乳腺组织切片中存在脂肪、气泡以及其他类似管腔的对象而出现假阳性错误。为了解决上述问题,提出基于二次聚类与随机森林的腺管自动识别方法。首先通过一次聚类和二次聚类构建出待分割图片;然后通过形态学操作对图片进行处理,并在此基础上进行分割,进而构建候选腺管,利用中心管腔与其周围细胞核的空间位置关系以及一些统计特征来描述腺管;最后通过随机森林分类算法进行分类。实验结果表明,所提算法可以达到86%以上的准确率,为乳腺癌的自动分级奠定了基础。