低频涌浪环境下“海洋石油201”运动特征模型试验研究

为了分析起重铺管船"海洋石油201"在低频涌浪环境中横摇过大的原因,对"海洋石油201"横浪和迎浪条件下在不同周期和波高的涌浪作用下的运动特性进行模型试验,试验结果表明铺管船遭遇与其横摇固有周期接近的涌浪时发生谐摇导致其横摇运动过大。用图解法求解了铺管船横浪条件下谐摇时的横摇角幅值,对试验结果和理论的差异进行了分析。

融合迁移学习和数据增强的SC-Net模型在皮肤癌识别中的应用

为了解决皮肤癌诊断模型中性能无法满足临床应用要求,对于少数类别诊断精度不高的问题,提出一种基于迁移学习和数据增强的皮肤癌诊断模型SC-Net(skin cancer-net)。首先,引入ECA注意力模块,把DenseNet-201在ImageNet数据集上的预训练模型在皮肤癌数据集上进行微调训练并提取图像隐含高层次特征;然后融合一般性统计特征,并且通过SMOTE过采样技术以增强少数类别数据;最后,将数据输入XGBoost模型进行训练,最终得到SC-Net分类模型。实验结果表明,SC-Net模型在准确率、灵敏度、特异度三个指标上达到99.25%、99.25%和99.88%,诊断准确率相对于已有文献精度提升约0.6%~18.7%,并且对于皮肤纤维瘤、光化性角化病等少数类别具备更强的分类能力。

涌浪环境中铺管船横摇机理及模型试验研究

"海洋石油201"号等多艘铺管船在东海海域进行铺管施工时受低频涌浪环境影响横摇运动强烈,严重影响了正常铺管作业。为了分析铺管船横摇过大的原因,从理论上分析了铺管船可能发生较大横摇的波浪条件,并对"海洋石油201"号铺管船在遭遇波浪周期等于横摇固有周期1/2倍和1倍,不同波高的规则波中航向角分别为0°、30°、60°和90°时的运动特性进行了模型试验。试验结果表明铺管船遭遇周期为其横摇固有周期一半的涌浪时未发生参数横摇,而遭遇与其横摇固有周期接近的涌浪时发生谐摇是导致其横摇运动过大的原因。研究成果与相应的气象资料结合,可为铺管船施工气候窗口的选择提供依据。

半固态ZL201铝合金的压缩变形行为

采用Gleeble-1500热模拟机对用近液相线铸造方法制得的半固态ZL201合金进行了不同温度和不同应变速率下的压缩变形,并对实验结果进行了回归处理,建立了半固态ZL201合金在不同变形温度、不同应变速率下的数学模型.研究结果表明:当应变速率相同时,压缩应力随变形温度的增加而减小;当应变温度相同时,压缩应力随着应变速率的增加有先增大后减小的趋势.本实验可为半固态合金触变成形的数值模拟和优化半固态金属加工工艺参数提供基础数据.

深度学习在肺炎CT图像分类识别中的应用研究

为提高肺炎CT图像分类识别的准确性和效率,本文采用网络模型DenseNet-121对CT图像进行分类识别。选取公开的肺炎CT图像数据集,首先进行数据预处理,然后利用该网络架构提取图像特征,并通过迁移学习优化模型性能。实验结果显示,该模型在正常和肺炎的识别上达到了高精度,提高了分类效率。

TS201的混合编程问题的研究

介绍在TS201上进行软件开发的几种方法,从工程实现的角度比较各自的优缺点,指出C/C++语言和汇编语言混合编程技术的优越性。之后详细阐述ccts编译器的C/C++运行时模型对TigerShark系列DSP芯片的C/C++混合编程所规定的调用规则和接口规范,并给出程序设计实例。对工程实践有很大的参考价值。

基于改进DenseNet201网络的织物疵点检测算法

针对当前织物疵点检测存在大多数采用人工检测、速度慢、检测准确率低等问题,提出一种改进DenseNet201网络的织物检测算法。先对数据集图像进行预处理,可视化各种织物疵点类型的数量,把数据集划分为正常织物、8种常见织物疵点,对疵点图像进行数据增强,从而扩增训练集数量;然后提取在数据集ImageNet下预训练好的DenseNet201权重参数进行迁移学习,改进卷积层第1层、添加SPP层和本研究9分类的分类层;最后经过反复调整参数训练得到织物疵点检测模型。试验表明:改进后的DenseNet201模型对正常织物、8种常见织物疵点识别精度为96.8%。认为:改进DenseNet201网络模型具有良好的泛化性和鲁棒性。

杂交玉米品种黔兴201配套高产栽培技术

采用四元二次正交旋转组合设计方法进行试验研究,建立了杂交玉米品种黔兴201的主要栽培因子——种植密度、氮、磷、钾施用量与其产量之间关系的数学模型。通过效应分析,得出各因子对产量影响的顺序为种植密度〉N〉K2O〉P2O5。初步筛选出该品种单产超过800kg/667m^2的主要农艺措施：种植密度4732～5355株/667m^2、纯氮用量21.55～25.55kg/667m^2、P2O5用量20.15～31.85kg/667m^2、K2O用量23.60～32.70kg/667m^2。

杂交油菜浙杂201高产栽培主要农艺措施优化组合研究

采用五元二次回归设计,研究了杂交油菜新品种浙杂201的基本苗(X1)、纯氮量(X2)、磷肥量(X3)、钾肥量(X4)和各期施氮比例(X5)对产量的作用效应。并应用回归数学模型,对产量进行栽培因子模似优化组合筛选,提出了单产≥3t/hm2的优化组合方案:种植基本苗9.09～9.68万株/hm2,纯氮肥用量277.5～291kg/hm2,磷肥用量过磷酸钙450～487.5kg/hm2,钾肥用量氯化钾84～91.5kg/hm2,施氮比例为基肥34%36%,苗肥26%～24%,腊肥24%～26%,薹肥16%～14%。

基于改进密集卷积网络的皮肤肿瘤分类方法

皮肤癌的诊断受医生个人主观影响较大,现有的神经网络皮肤癌诊断研究大多停留在图像层面,没有考虑患者的临床数据,诊断准确率有待提高。提出一种融合皮肤肿瘤临床患者元数据的MD-Layer模块,并嵌入到密集卷积分类网络模型DenseNet-169中。在ImageNet数据集上对DenseNet-169网络进行预训练,使得到的模型在皮肤癌数据集上进行调参训练,并提取图像隐含的高层次特征。MD-Layer模块由MetaNet模块和MetaBlock模块提取到的特征融合构建而来。MetaNet模块通过元数据控制DenseNet-169网络中每个特征通道的特定部分,从而获得加权特征。MetaBlock模块利用元数据增强从图像中提取的特征,即根据元数据信息引导图像选择最相关的特征输出。最后,将融合后的结果输入到分类器,实现皮肤肿瘤的分类。实验结果表明,融合MD-Layer模块的DenseNet-169网络模型的平衡准确率为0.814,相较于已有工作提升0.080~0.156,解决了少数皮肤肿瘤类别诊断准确率不高的问题。

基于深度学习的循环水养殖鳗鲡(Anguilla)行为状态识别的研究

对鱼类的行为进行智能监测,精准地量化与识别其健康状态,已成为研究热点。为实现养殖鳗鲡行为状态精准识别,提出一种基于DenseNet双流卷积神经网络的鳗鲡行为状态检测方法。利用混合高斯背景模型进行前景提取构建数据集,针对传统卷积神经网络对于时间动态信息提取能力有限的问题,搭建关联空间特征与时间特征的双流网络结构(Two-stream),并使用DenseNet-121网络替换原网络,对比VGGNet、ResNet等网络,通过密集连接实现特征重用,在搭建更深的网络结构基础上加强了运动特征传递并减少了参数量,更好地提取具有代表性的行为特征。传统双流网络在两端的softmax层仅作简单的决策层平均融合,无法更深程度关联时空高级特征,提出在网络卷积层提取空间特征与时间特征后,加上一层卷积层将时空特征进行卷积融合以提升模型识别精度。实验结果表明:文中提出的基于DenseNet双流卷积神经网络对6种鳗鲡行为状态检测方法准确率达到96.8%,相较于单通道的空间流与时间流网络,准确率分别提升了10.1%和9.5%;相较于以VGGNet、ResNet搭建的双流网络,准确率分别提升了12.4%和4.2%;与决策层平均融合、特征层拼接融合的方式相比,时空特征卷积融合方式准确率分别提升了2.5%和1.7%。

用投入产出模型对河北“九五”计划和2010年规划预测的研究

本文利用投入产出模型和相关方法,对河北省“九五”期间和2010年的总体目标、产业结构、投资规模和最佳投资结构进行了系统的分析判断。

ZL201合金半固态成形本构模型

对采用近液相线铸造法制备的ZL201合金半固态坯料进行了热模拟压缩试验。根据试验获得的ZL201合金不同温度与应变速率下的应力-应变曲线,采用多元回归线性方法建立了能够表征ZL201合金半固态变形行为的本构方程。同时,根据半固态浆料的表观粘度与热模拟压缩试验中的应变速率等参数间的关系式,对表观粘度和剪切速率之间的关系进行了研究。利用仿真软件Anycasting对ZL201合金半固态触变压铸成形过程进行了数值模拟,研究了内浇道厚度对ZL201合金半固态触变压铸过程的影响,并预测了铸件缺陷。结果表明,当内浇道厚度为3mm时,半固态金属浆料充型过程最为理想。

基于深度学习的多角度人脸检测方法研究

基于多角度的人脸检测越来越受到关注,特别是在公安领域侦破案件过程中,通过捕捉人脸图像对犯罪嫌疑人进行检测识别被广泛应用。但是在实际图像采集过程中,由于人脸姿势以及光照等环境因素的不确定性和多变性,往往会导致人脸系统无法对该类人脸进行较为精确的定位。文中基于DenseNet-201对YOLOV2算法进行了改进,提出了一种基于深度学习的多角度人脸检测方法。首先,在YOLOV2算法的基础上,使用DenseNet-201模型对人脸进行特征提取,并结合带有锚点框的卷积层在主干网络提取到的人脸特征图上进行人脸定位;然后,通过在DenseNet-201模型中的过渡层中引入归一化层使模型收敛速度加快;最后,在CelebA和FDDB人脸数据集上对YOLOV2和改进的YOLOV2方法进行测试,针对不同角度、不同光照、不同数据集对算法性能进行测试。实验结果表明,改进后的YOLOV2算法对多角度人脸检测的准确性更高,且具有更强的鲁棒性。

影响学生参加课外补习的因素——以上海为例

本文选取PISA2012数据,采用LPM模型和IV模型研究影响中国上海学生参加数学、语文和科学课外补习的因素。研究发现：在控制学校变量的情况下,学生家庭社会经济背景（ESCS）和家庭教育资源充裕程度对学生参加课外补习有正向预测作用,成绩对是否参加课外补习表现为显著的负向预测作用,课外补习在中国上海表现为补差的作用。最后,据此提出相关政策建议为今后课外补习的发展提供一定的方向。