基于自注意力机制的阿尔茨海默病预测研究

为了更加准确地预测阿尔茨海默病(Alzheimer’s Disease,AD),提出一种基于自注意力机制的预测模型。对核磁共振图像(Magnetic Resonance Imaging,MRI)进行预处理并提取人脑解剖结构的初级特征,设计基于自注意力机制的特征处理单元并基于残差结构设计模式构建可靠的网络架构,自动解析人脑解剖结构的依赖关系并生成MRI图像的有效特征表示,进而实现对AD的预测。实验结果表明,该模型对AD的分类准确率为99.36%,对轻度认知障碍(Mild Cognitive Impairment,MCI)的分类准确率为98.90%。与现有方法比较,该模型拥有更好的预测性能。

基于计算机视觉的儿童运动发展辅助诊断技术研究

目的:提出一套可客观量化评估儿童运动发展的辅助诊断方法,对儿童运动发展状况进行定量评估,辅助诊断儿童发育性协调障碍。方法:以规定动作类别的儿童动作视频数据作为输入,使用关键点检测算法得到人体关键点数据,在进行动作规整后使用基于相似度计算方法得到对应动作的质量评估结果,通过动作完成质量反映发育性协调障碍诊断结果。结果:结合关键点波形分析以及动作质量评估,得出的结果与观察得到的结果表现出明显的一致性。结论:本研究以动作视频为基础结合计算机视觉方法将儿童发育性协调障碍的诊断方法进行标准化,为该疾病的诊断以及后续干预效果评估提供了一种标准量度。

基于知识图谱的运动强度评估算法研究

在运动中确定与掌握运动强度十分重要,适宜的运动强度能有效提高身体机能;强度过大会使身体机能衰退,甚至危机生命安全。针对传统运动强度评估方法评估指标少、精度低的问题,提出了一种基于知识图谱的运动强度评估方法。首先,通过BERT-CRF提取运动强度评估指征,在Neo4j数据库中建立了运动强度评估的知识图谱;其次,在RecGNNs知识推理的基础上,实现了针对不同年龄群体运动强度的个性化精准评估;最后,构建了运动强度评估系统。实验结果表明,基于知识图谱的运动强度评估系统运行稳定、可靠,个性化评估的准确率可达到85.7%。

轻量级柱面线杆标识牌字符识别算法

为全面、准确、快速地提取柱面电线杆标识牌信息,提出一种轻量级柱面电线杆标识牌字符识别算法Tiny-DBNet-CRNN。对柱面图像进行反投影矫正展平;融合注意力机制,利用深度可分离卷积残差块,构建轻量级文本检测网络分割出文本区域;构建字符识别模型CRNN输出标识牌字符信息。采用真实场景数据和ICDAR 2015数据进行实验,结果与当前流行模型相比,Tiny-DBNet-CRNN字符识别正确率提升了40.3%,达95.11%;在精度下降0.60%的微小损失下,检测速度提升3倍,参数规模上总体下降45.15%。

基于SAC算法的移动机器人智能路径规划

为解决传统的机器人路径规划算法维度高、收敛慢、建模难等问题,提出一种新的路径规划算法。基于深度强化学习SAC(soft actor-critic)算法,旨在解决机器人面对具有静态和动态障碍物的复杂环境时,路径规划表现差的问题。为使机器人快速躲避障碍物且到达目标,设计合理的奖励函数,使用动态的状态归一化和优先级经验技术。为评估该算法性能,构建基于Pygame的仿真环境。将所提算法与近端策略优化(proximal policy optimization,PPO)算法进行比较。实验结果表明:所提算法的累计奖励能够得到显著提高,并且具有更强的鲁棒性。

数字疗法发展与应用综述研究

随着数字时代的来临,医疗卫生信息化也逐步从诊疗、健康服务拓展到治疗服务。数字疗法在这一背景下应运而生。虽然数字疗法的发展前景非常广阔,但同时也面临着诸多问题与挑战。本文以文献综述的方法,介绍了传统疾病治疗的基本要素及局限性,数字疗法的概念、起源、产品分类、适用原则和范围,以及目前典型的应用情况。同时,总结分析了我国数字疗法的应用前景和发展趋势,指出数字疗法面临的难题和挑战,为医疗卫生界和学术界利用数字化智能技术与新型传感系统、AI算法技术,以及为数字化干预生命健康及体征、改善疾病防治等领域开辟新的思路提供参考。

物联网下人工神经网络前馈LS-SVM研究

物联网包括互联网技术。研究物联网下人工神经网络前馈LS-SVM,研究的目的主要是建立精确的LS-SVM数据评估模型,研究方法主要是采用SVM基础之上加上LS也就是最小二乘的方法,研究结果是建立LS-SVM的数据模型,研究结论是这种LS-SVM模型比其他算法模型精确效果好。

一种基于自适应模糊支配的高维多目标粒子群算法

高维多目标优化问题由于具有巨大的目标空间使得一些经典的多目标优化算法面临挑战.提出一种基于自适应模糊支配的高维多目标粒子群算法MAPSOAF,该算法定义了一种自适应的模糊支配关系,通过对模糊支配的阈值自适应变化若干步长,在加强个体间支配能力的同时实现对种群选择压力的精细化控制,以改善算法的收敛性;其次,通过从外部档案集中选取扰动粒子,并在粒子速度更新公式中新增一扰动项以克服粒子群早熟收敛并改善个体分布的均匀性;另外,算法利用简化的Harmonic归一化距离评估个体的密度,在改善种群分布性的同时降低算法的计算代价.该算法与另外五种高性能的多目标进化算法在标准测试函数集DTLZ{1, 2, 4, 5}上进行对比实验,结果表明该算法在收敛性和多样性方面总体上具有较显著的性能优势.

基于多模态数据和知识图谱的矮小症辅助诊断方法研究

目的:构建矮小症辅助诊断系统,实现儿童生长发育期间矮小症的早发现早治疗目标。方法:统计整理矮小症疾病临床指征和面部特征,基于多模态数据搭建矮小症知识图谱;通过知识图谱进行推理,并将患者数据与相关疾病进行关联,输出指定个数的最相关疾病及信息。结果:该方法在验证集上输出的最相关疾病正确率为80.3%,输出多个结果时可有效缩小疾病范围。结论:基于该方法构建的医疗辅助诊断系统可展示矮小症患者的数据处理过程和疾病诊断结果,为儿童生长发育专科医疗工作者提供参考。

基于混合域注意力机制和残差网络的特纳综合征分类研究

目的:利用人脸图像,构建基于深度学习的特纳综合征(Turner syndrome,TS)分类模型,旨在提高TS诊断准确率,降低诊断开销。方法:首先,将通道域注意力机制和空间域注意力机制以及残差结构相结合,提出一种具有混合域注意力模块的残差网络,然后使用深度迁移学习技术完成模型的初始化,最后使用TS人脸数据集对网络模型进行微调。结果:该模型对TS的分类准确率为0.9171。结论:所提出的TS分类模型优于现有TS识别方法,能更为有效地辅助TS的临床诊断。

物联网下无线传感器网络分布式通信的研究

物联网四大关键技术的应用非常广泛的,这四个技术主要是RFID,WSN,M2M,还有两化融合。RFID可以使用matlab,NS2,Anroid实现,WSN可以使用NS2,OMNET++实现,M2M可以使用JAVA开发。物联网和互联网是父与子的关系,无线网络和无线wsn网络一样,只不过无线节点固定和移动的变为了传感器而已。物联网包括互联网技术,也包括有线和无线网络。

高自杀风险微博用户的网络行为特征

目的:分析微博“树洞”留言用户的网络行为特征,探讨高低自杀风险用户在网络行为特征上的差异。方法:以微博“树洞”留言用户为研究对象,利用网络智能机器人爬取12791名用户及其信息,通过监测用户留言发现高自杀风险用户884名,另外随机选取低自杀风险用户884名。以自我描述长度、微博原创值、微博链接值、自我关注值、集体关注值、夜间活跃值、微博互动值、社交活跃值、社交支持值为网络行为特征,比较高低自杀风险用户的网络行为特征。结果:女性的高自杀风险检出率高于男性(P<0.05)。高自杀风险用户的微博链接值低于低自杀风险用户,而自我关注值及夜间活跃值高于低自杀风险用户(均P<0.05)。结论:不同自杀风险微博用户的网络行为特征存在差异,高自杀风险用户微博互动更少、关注自我更多、夜间更加活跃且女性多于男性。

基于卡方统计改进的TF-IDF的文本分类的研究

TF-IDF算法作为最常见的特征权重计算方法被广泛使用。传统TF-IDF特征提取方法在文本分类任务中缺乏对类之间分布差异的体现。基于此种情况,立足于传统TF-IDF算法中根据词频来选择特征词的特性,本文提出一种新的基于卡方统计的特征词提取算法并通过改进后的新方法对文本分类模型进行评估。实验结果表明,新方法在查准率、查全率、F1值和ROC_AUC等评估结果上较传统特征提取方法有明显优化。

基于搜索引擎的查询推荐算法研究

传统的基于搜索日志的查询推荐方法无法快速有效处理和存储海量日志信息,无法抓住用户兴趣特点。为此,融合网络爬虫、数据挖掘和自然语言处理技术等多种方法,在原有查询日志数据基础上进一步爬取和挖掘,基于腾讯AI意图分析和自然语言处理技术,提出一种新的推荐词生成方法。实验结果表明,该方法与单纯基于查询意图的推荐和单纯基于相似度计算与聚类的推荐相比,用户查询准确性提升3%,能更加高效准确地为用户提供快速检索服务,提升了搜索引擎的用户体验。

服务延迟保障的混合绿色云数据中心成本最小化方法

为了在满足应用性能的同时有效降低云提供商的运营成本,针对混合绿色云环境设计智能的任务调度方法,提出一种混合绿色云数据中心环境下的成本最小化方法,该方法提供的任务调度能够根据私有云能耗、可用的绿色能源和公有云的资源执行价格等在时间上的差异,智能地将所有到达的任务调度到私有云和公有云中执行,并确保云数据中心执行任务时对服务延迟的要求。在此基础上提出一种基于遗传学习的粒子群算法求解优化问题。通过仿真实验表明,所提方法可以大幅降低私有云提供商的运营成本。

物联网下网络视频丢包率到用户体验质量的数学映射模型

物联网和网络视频丢包率到用户体验质量的映射模型是学术界和工商界的热点话题。为了研究视频在网络传输过程中丢包对QoE的影响并建立丢包率到QoE的映射,搭建了NS2 + MyEvalvid实验仿真平台,重点研究丢包对用户体验质量QoE的影响并建立丢包率到用户体验质量QoE的映射。仿真结果表明,丢包对用户体验质量QoE有着显著影响,丢包率和用户体验质量QoE呈现一元非线性关系。因此,在研究丢包对QoE有显著影响的基础上,采用一元非线性回归分析的方法建立丢包率到用户体验质量QoE的映射。

物联网下影响网络丢包的长相关性的因素对丢包率的影响

物联网和网络视频丢包率到用户体验质量的映射模型是学术界和工商界的热点话题。为了更好地建立考虑网络丢包的视频质量无参评估模型得到更好的QoE评价,通过建立cygwin + NS2的网络环境对网络中丢包的尺度特性进行研究,丢包的尺度特性通过影响丢包率来影响QoE。实验结果表明,丢包的过程具有长相关性,叠加源个数N,形状参数和Hurst参数以及输出链路速度都可以影响丢包的长相关性。得出的结论是叠加源个数越多,形状参数越小,Hurst参数越大,输出链路速度越小,则丢包的长相关性越大,丢包率越大。

无线传感器网络QOS-QOE节能优化模型

研究无线传感器网络QOS-QOE节能优化模型的目的是界定和研究WSN网络QOS-QOE节能优化建模问题。研究内容主要是无线传感器网络QOS-QOE,第一,研究WSN网络以及其下面各种算法主要是解决TSP问题,然后研究QOE模型,建立模型参数可以包括QOS因素也可以包括非QOS因素,最后研究QOS-QOE模型,参数只包括QOS因素。研究方法主要是找到关键问题无线传感器网络QOS-QOE节能优化建模研究,通常目标函数是关键问题,主要采用蚁群算法,遗传算法,人工神经网络下SVM + PCA和LS-SVM和LIBSVM等方法。互联网的四大关键技术应用非常广泛,这四种技术主要是RFID,WSN,M2M两种融合。RFID可以使用matlab,NS2,JAVA实现,WSN可以使用NS2,OMNET++实现,M2M可以使用JAVA开发。研究结论是物联网来源和发展于互联网;反之,物联网的发展又进一步推动互联网向一种更为广泛的“互联”演进。物联网和互联网是父与子的关系,无线网络和无线WSN网络一样,只不过无线节点固定和移动的变为了传感器而已。无线传感器网络QOS-QOE节能优化模型比其他QOE模型更节能,更精确,更优化。物联网包括互联网技术,WSN网络,RFID可以是WSN网络的一部分,RFID的翅膀是WSN网络。航天科技行业也应用到了物联网。

关注内在逻辑的课程实验设计

本文对数字媒体技术专业中计算机知识相关的基础课程内容进行了调整优化,并从广度、难度以及内在逻辑的合理性方面设计了课程实验,实现了在有限的课时内促进学生理解关键概念、提高动手能力,学生兴趣,培养自学能力的目标。

生态自然观与科学发展观问题研究

生态自然观和科学发展观二者紧密联系。生态自然观主要是实现人与自然的和谐发展,共同进化,人是生态系统中的普通一员。科学发展观研究的基本要求和目的是实现可持续发展。研究方法是全面协调可持续发展,也就是要求人与自然协调发展,从而实现持续发展。科学发展观的根本方法是统筹兼顾,这就要求发展的同时要统筹生态这个有机体的各个方面。研究结果表明:生态自然观与中国的科学发展观二者在思想上是相一致的。研究结论:生态自然观和科学发展观都要求人类在发展的同时不要忽视生态问题,维持生态和谐,统筹各个方面,实现人与自然的和谐发展。