结合力导向图分布算法的特征加权深度嵌入聚类

聚类分析作为无监督学习领域的一个重要研究方向,是许多数据驱动应用的核心.但是高维数据特有的高维距离趋同特性,使得高维空间样本近邻结构遭到破坏,从而使得大量基于距离(基于近邻)的聚类算法性能急剧下降.目前,大量研究者认为,高维数据往往包含大量与任务不相关特征及相互关联的特征,其真实特征维度往往要比原始特征维度低很多.在学习样本低维等价表示上,基于深度自编码器的深度嵌入学习尽可能地保留重构信息.然而,现有此类方法往往需要聚类损失引导聚类,这虽然提高了聚类性能,但聚类损失与重构损失间的内在矛盾,限制了聚类性能的进一步提高.基于力导向图分布算法的降维算法则是尽可能保留近邻结构信息的基础上学习样本低维表示,但是高维距离趋同的特性使得此类算法较难准确获取样本高维近邻结构信息.本文在深度自编码器与力导向图分布算法的基础上引入特征加权思想,使模型在具有强大的低维等价表示能力及根据数据近邻结构凸显簇结构能力的同时考虑特征对聚类任务的适合程度.5个数据集上与最新高维聚类算法的对比实验充分证明了本文算法的合理性与优越性.

医院“一站式”服务流程图及就诊导向图的编制与应用效果

目的探索服务流程图、就诊导向图在“一站式”服务模式护士站的应用效果。方法根据不同专科病人就诊过程,以“优化流程,简化环节;提供就诊咨询、导诊便民服务”为流程编制原则,按照就诊环节和护理过程并结合有形展示策略编制流程导向图。结果流程图能规范护士服务行为,提高服务满意度;导向图能个性化地为就诊病人提供清晰的诊疗导向,避免病人就诊过程的盲目性,减少就诊期间非诊疗的耗时;护理流程图在人员、技术、环境不变的情况下,能有效地从根本上改善服务质量和提高工作效率。结论护理工作流程图、就诊导向图在改进医疗服务工作中起到了“简化流程、提高效率、优化服务质量、方便病人就医”的作用。

基于导向图优化的单幅图像深度去雾算法

针对雾霾等天气条件下获取的图像出现对比度下降、颜色失真等降质现象,提出一种基于导向图优化的单幅图像深度去雾算法。该算法在对大气散耗函数特性进行分析的基础上,引入图像局部均值和标准差优化导向图;再进一步对导向图进行分区域滤波,得到平滑且边缘清晰的导向图;然后采用快速引导滤波估计大气散耗图;最后根据大气散射物理模型恢复清晰图像。实验结果表明,恢复的图像清晰自然,细节丰富,近景去雾彻底,远景去雾有很大提升,在景深突变处的边缘取得较好的效果,提高了户外视觉系统的视见度和鲁棒性。

地铁导向图的兴趣点选取及符号设计

地铁导向图是地铁导向系统中不可或缺的重要组成部分。本文以福州市和宁波市地铁导向图的设计制作为例,结合人类视觉感受,详细论述了地铁导向图的表示内容设计、符号设计等方面的原理与方法,提出了地铁导向图兴趣点选取的原则和点状符号的设计方法。

电缆综合导向图出图设计和开发

介绍基于CADDS5三维设计软件，通过三维空间模型和Oracle数据库数据，规范电缆综合导向图图形符号，研究开发电缆综合导向图辅助出图系统软件的方法。

一种基于决策导向图的通信信号调制识别方法

通信信号调制识别在监测系统中具有重要作用,可为后续任务提供参数依据和情报支撑。识别信号的调制样式,是实现信号正确接收解调的前提。针对调制样式识别问题,提出了一种采用决策导向图结合小波变换的方法,更好地完成了信号分类识别。在分类思路方面,引入判决树结构进行分析,并采取决策导向图对支持向量机分类器实现扩展优化,进一步提高了抗噪性能。该方法稳健性好,便于工程实现,并通过仿真试验验证了其识别结果的有效性,识别正确率高且性能较优。

胃肠外科行PICC置管化疗胃癌患者实施思维导图导向的FFC干预效果评价

目的:探究实施思维导图导向的前馈控制(FFC)干预对行经外周导入中心静脉置管(PICC)化疗胃癌患者的效果情况。方法:选取2022年1月至2023年12月厦门大学附属中山医院胃肠外科收治的行PICC置管化疗胃癌患者252例,按照入院先后顺序将其分为对照组(2022年1月至2022年12月)与研究组(2023年1月至2023年12月),各126例。对照组给予常规护理,研究组在对照组基础上给予思维导图导向的FFC干预,比较两组心理状态[采用汉密尔顿抑郁量表(HAMD)及汉密尔顿焦虑量表(HAMA)评估]、并发症发生率及护理满意度。结果:干预第30 d,与对照组比较,研究组HAMD、HAMA评分偏低(t_(1)=44.154,t_(2)=27.970,P均<0.05)。干预30 d内,研究组并发症发生率较对照组偏低(χ^(2)值校正=4.288,P<0.05)。干预第30 d,研究组护理满意度较对照组偏高(χ^(2)=7.504,P<0.05)。结论:在行PICC置管化疗胃癌患者中实施思维导图导向的FFC干预,可有效改善其心理状态、并发症发生率及护理满意度。

基于半反图像的导向滤波光补偿快速去雾算法

针对传统的基于暗原色先验的单幅图像去雾算法速度慢、效率较低,去雾不彻底以及在明亮区域颜色失真等问题,提出了一种基于半反图像的导向滤波光补偿快速去雾算法,将经过阈值调整的半反图像作为导向图,通过引导滤波得到大气散耗图,根据大气散射物理模型恢复清晰图像,并将恢复的图像进行参考白光补偿得到最终的去雾图像。实验结果表明:算法不仅降低了传统算法的时间复杂度,而且有效恢复了场景的对比度和饱和度,近景去雾彻底,远景去雾效果提升明显。

边缘导向的非局部均值图像滤波

传统去噪方法在处理高强度噪声干扰图像时,往往不能有效去除噪声且在修复过程容易引入二次污染。为此,提出一种边缘图导向的非局部图像均值滤波算法。首先获取二阶差分边缘信息,在非局部范围内搜索相似块,以边缘导向图与噪声图像共同生成滤波器权值,进而构建由边缘信息导向的非局部协同滤波框架。与传统滤波为代表的局部线性滤波方法相比,所提出算法能挖掘图像边缘信息并利用一种新的非局部协同滤波框架进行图像去噪,因此增强了高强度噪声干扰环境下的边缘修复能力。实验证明,提出算法在高强度噪声污染的情况下,修复的图像不仅获得了更高的测量指标,视觉效果也更加理想。

基于结点优化的决策导向无环图支持向量机及其在故障诊断中的应用

支持向量机(Support vector machine,SVM)是利用离在线数据自动建立故障诊断模型的智能方法,它在多故障诊断时,必须先进行多分类扩展.决策导向无环图(Decision directed acyclic graph,DDAG)法是一种性能优秀的多分类扩展策略,但该方法的决策结果与结点的排部密切相关,而其结点的排部却是主观的,影响了诊断的正确率.本文提出一种根据故障数据的空间分布来优化结点排部的方法,它能够提高支持向量机诊断的正确率.采用该方法扩展的多分类支持向量机在变压器故障诊断中获得良好效果.

基于决策导向非循环图支持向量机的脱机手写体汉字识别

目前脱机手写体汉字识别在小字符集方面取到了比较好的效果,但在大字符集方面仍存在着识别速度慢、准确率低等问题。不同于传统的二叉树方法,本文将决策导向非循环图用于汉字识别,并加以改进。仿真实验表明,该算法能对大字符集的手写体汉字进行识别,有效减小了误差,具有较高的识别率。

基于分割导向滤波的亚像素精度立体匹配视差优化算法

针对局部立体匹配中存在的弱纹理区域匹配精度较低、斜面等区域容易产生视差阶梯效应等问题,文中提出基于分割导向滤波的视差优化算法,以获得亚像素级高精度匹配视差.首先依据左右一致性准则对立体匹配的初始视差进行误匹配检验及均值滤波修正.然后在修正视差图上确定区域分割导向图,对修正视差进行区域导向滤波优化,获得亚像素级高精度的视差结果.实验表明,文中算法能有效改善斜面等区域的视差不平滑现象,降低初始视差的误匹配率,获得较高精度的稠密视差结果.

基于加权融合策略的单幅图像去雾算法

基于暗元先验的去雾算法在利用边缘保护操作消除景深突变处产生的光晕现象时没有区分边缘的类型,导致了透射率的估计不合理,降低了去雾的质量。提出一种基于加权融合策略的透射率估计方法,通过块级暗通道和像素级暗通道的相关特性获取景深信息导向图,从而在景深突变处和非景深突变的局部合理选取像素级暗通道和块级暗通道,保护了景深边缘处的突变性,同时减少了局部纹理边缘噪声的影响,获得了更准确的透射率估计结果。实验结果表明,该算法能有效避免光晕现象,改善局部细节模糊的问题,得到更优的去雾视觉效果。

图像多分类主动学习方法

以决策速度快的决策导向非循环图支持向量机(Decision DirectedAcyclic Graph Support Vector Machine)为基准分类器,结合主动学习的思想,提出了一种图像多分类主动学习方法。这种方法是一种半自动的图像语义分类方法,可以将图像分成多个语义类别。该方法在最近边界主动选择方法的基础上,提出一种基于质疑度的主动选择策略。这种策略将SVMactive中提出的最近邻SVM分类面选择的反馈样例策略延伸到多分类中,通过区别对待奇异样例和容易错分样例,减少了噪声数据对分类器的干扰,提高了分类的精度。

思维导图在小学高段数学复习课中的使用策略

思维导向图可以很好地帮助学生复习所学的知识,让学生加深巩固数学知识点,提升学生学习成绩。文章以此为写作对象,首先介绍了思维导向图在小学数学复习中的使用意义,接着分析了如何引导学生整理思维导向图所需要的知识点,接着论述了如何指导学生高效制作思维导向图并以圆为例进行了阐述。希望通过以上方法可以让更多的学生了解思维导向图,使用思维导向图,可以帮助学生更好的获得优异成绩。

结合主动反馈的图像多分类框架

为了解决图像语义分类中的训练数据不对称、小样本训练和噪声数据这3个难题,提出结合主动反馈的图像多分类框架。该框架将主动选择的策略应用到图像的多分类中,通过主动的选择出不确定的图片给用户手动标记,扩大训练图片集,提高分类的精度。为了验证该框架的有效性,提出一种有效的结合主动选择的图像多分类算法,即结合投票的DDAGSVM(decision directed acyclic graph support vector machine)算法。该算法提出了新的主动选择策略,即结合投票和旁移机制的主动选择策略。实验结果表明,该算法能有效应用到图像多分类中,比DDAGSVM和采用普通主动选择策略的DDAGSVM具有更高的分类的精度。

令人担忧的地图市场

令人担忧的地图市场冀骥良最直观的信息传递莫过于地图。“一图在手，万象尽呈”，自古以来就有这类说法。地图，在人们心目中是理想的“交通工具”。出差、旅游，所到之处人们要办的第一件事，也就是买地图，按图索骥以图代步。可如今，买地图您可要留点神，“缺斤短两、...

一种新的质量图引导的相位展开算法

相位展开主要用于车轮探伤时提取车轮外形信息,不同算法展开后相位的质量也是不同的。介绍了传统的质量图引导的相位展开算法,针对该算法在处理问题时的不足,对其进行改进,得到了一种新的质量图引导的相位展开算法。该算法将像素点二阶差分值的倒数定义为质量点,通过将相邻像素点进行平均,得到全新的质量值,引导相位展开。通过比较枝切法、质量图导向法、最小二乘法以及本文的改进算法四种相位展开算法的仿真实验,结果表明该算法展开误差小,计算速度快,能够有效处理相位展开中不连续的问题。最后通过车轮实验验证了结果。

提高非会计专业会计学课程教学有效性的研究

为适应时代发展培养复合型人才的需要,经管类非会计专业也设置了会计学课程,但是学生学习兴趣不高,教学效果不理想。为了提高非会计专业会计学课程教学的有效性,与数智时代发展相结合,文章提出明确课程教学目标、合理选择教学内容、灵活选择考核方式、加强课程思政建设、利用资金导向图讲解业务流程、线上线下教学相结合、注重教学设计的趣味性七方面措施,以提高非会计专业会计学课程的教学效用。