一种适用于卷积结构的非图像数据预处理方法

卷积神经网络凭借局部相关和权值共享等优良特性而广泛应用于图像处理领域,成为最受欢迎的神经网络架构之一.然而,对于基因组、语音和金融等非图像形式的数据,传统的卷积网络可能无法完全适用.为了摆脱这一困境,科研人员不断尝试研发诸如循环神经网络以及注意力机制网络等可用于解析非图像数据的网络结构,拓展神经网络的应用范围.新型网络架构的研发无疑是困难且耗费巨大的,从另一个角度出发,提出一种适用于卷积网络结构的数据预处理方法.通过处理源数据,将其转换为特定的一维特征向量或二维图像矩阵,接着送入自定义卷积结构中观察其算法表现.实验采用UCI和Kaggle平台上的经典数据集进行测试并使用了SVM、决策树、随机森林等传统机器学习模型来对比该方法的可行性和有效性.

基于C/S三层结构的GIS海量影像数据管理系统

目前在地理信息系统中,影像数据使用的增加,系统规模的扩张,再加上软件系统更新频率的加快,现有的管理方式已不能适应发展要求。而且大多数开发系统是基于相互独立和封闭的平台的开发,不同的数据格式和操作使系统间的数据交换和共享的实现十分困难,并阻碍了地理信息系统的发展。然而,中间件的提出和COM技术的采用正好解决了这一问题,它可以将系统划分成几层,然后把数据和操作集成起来,实现系统的无缝集成。在这基础上提出了C/S三层结构的GIS海量影像数据管理解决方案,并给出了应用实例。

基于Delphi的数据库图片插入新方法

随着科学技术的发展,人们越来越多地利用计算机管理相关事宜,希望能将所有多媒体文件存储在数据库中。然而,在实现的过程中,将多媒体文件插入到数据表格中又是一个比较头疼的问题。文中利用Delphi作为界面开发工具,提出了一个将图片插入到数据库中的新方法。