彝文文字识别中的文字切分算法设计与实现

针对目前国内OCR及其文字切分技术主要应用于汉字、英文等文字的识别,而对于少数民族文字,则缺乏较为实用的文字切分工具的问题,提出了基于少数民族文字识别的文字切分方法.该方法以彝文文字为例进行切分,经实验证明该方法具有较好的切分效果.     

我国国有及规模以上非国有工业企业发展状况分析与评价

以统计分析的方法对2005年全国31个省、市、自治区的国有及规模以上工业企业的发展状况进行了分析,按照经济效益的综合得分将其分为3类,并依据各个地区工业发展的优势与不足提出了建议,以期为“十一五“规划更好的实施提供参考.     

基于割线法和逃逸时间算法实现分形图形

介绍了一种运用割线法在复数范围内进行反复迭代运算求根,然后根据求根的结果绘制分形图形的方法,绘制出的分形图优美而玄妙,几何意义明显.在此基础上加入逃逸时间算法的思想,绘制出了次数更高、根值更加复杂的分形图形,进一步扩展了它的使用范围.     

具有稀释效应的连续支付红利的欧式认股权证的定价模型

利用PDE方法论证了具有稀释效应、无风险利率随时间变化、存在连续支付红利及波动率随时间变化的特点的欧式认购权证的定价模型,并得到其显式解.     

基于多Agent技术的分布式构件库系统

在分析了构件库的特点及存在问题的基础上，提出了一个基于多Agent技术的分布式构件库系统，给出了系统的总体结构，讨论了Agent的设计与实现．与其它系统相比：此系统具有松耦合、灵活性高等特点．     

压缩感知图像的块子带自适应稀疏表示规则化重构

针对自然图像信号的非平稳特性和不同图像块的变换域系数的分布差异较大, 基于分块图像子带自适应 稀疏表示规则化,提出了一种新的压缩感知图像重构方法．先利用非局部相似块组估计每个分块图像变换域各子 带系数的均值和标准差,再将图像块各子带系数进行去均值并关于标准差归一化, 最后将去均值归一化处理的子 带系数的l₁范数表示用于规则化压缩感知重构．由于块子带自适应稀疏表示更加合理地表达了稀疏系数的重要 性,使得重构图像能够更好地保留纹理、边缘等细节信息．大量的实验结果表明: 相比组稀疏表示的压缩感知重构 算法,该方法重构图像的峰值信噪比平均提高了0.69 dB．     

基于完全互补码与量子进化算法的数字水印方案

提出了一种基于完全互补码(CCC)和量子进化算法(QEA)相结合的数字水印方案,该方案在借鉴量子理论保证收敛较快的同时兼顾了种群多样性,从而克服早熟的发生.经实验结果验证可知:该方案具有快速、灵敏、健壮性以及计算复杂度低等优点,同时在收敛性和种群多样性之间求得平衡,达到了全局优化的效果.     

基于Half-UNet的乳腺肿块分割方法

乳腺癌是常见的高发病率肿瘤疾病,乳腺肿块分割是乳腺肿瘤分析的重要步骤.为了在保证乳腺肿瘤分割精度的同时提高分割效率,提出了一种基于Half-UNet的乳腺X线摄片图像分割方法 .该方法保留了U-Net中分而治之的部分,简化了特征融合的方式.固定U-Net编码器各步骤的特征图通道数以减少网络复杂度的同时有利于解码器的特征融合,并对编码器中的卷积操作增加了he＿normal和L2正则化,提升网络性能且缓解网络的过拟合现象.对U-Net解码器的网络结构进行简化,减少网络模型的参数量和训练时间.在DDSM数据集上的实验结果表明：Half-UNet在获得与U-Net、UNet3+模型相近的分割精度的情况下,训练时间相对于U-Net和UNet3+缩短了41.66%和83.33%,显著提升了分割效率.     

城市灾区无人机基站部署优化

通过优化无人机基站（UAV-BS）三维空间部署位置，以最小化满足通信需求的UAV-BS部署数量.针对城市灾区中UAV-BS的部署优化方法较少考虑到建筑的具体形状及位置对通信影响情况，在构建一个建筑物对UAV-BS视距（LoS）链路的遮挡模型的基础上，提出一种UAV-BS部署算法——PSO-PPGE.该算法首先采用粒子群算法（PSO）在目标区域搜索全局部署方案，然后基于相邻UAV-BS部署间的势博弈关系，根据遮挡信息及UAV-BS负载制定博弈策略，局部调整每个粒子中的UAV-BS位置，以提高UAV-BS的用户覆盖率，进而确定所需UAV-BS的最小数量.仿真结果表明，所提出的算法与PGE、PSO等优化算法相比，在最小化UAV-BS数量同时最大化用户覆盖率方面具有明显优势.     

基于改进的YOLOv5安全帽佩戴检测算法

针对安全帽佩戴检测中存在的误检和漏检的问题，提出一种基于YOLOv5模型改进的安全帽佩戴检测算法。改进模型引入多尺度加权特征融合网络，即在YOLOv5的网络结构中增加一个浅层检测尺度，并引入特征权重进行加权融合，构成新的四尺检测结构，有效地提升图像浅层特征的提取及融合能力；在YOLOv5的Neck网络的BottleneckCSP结构中加入SENet模块，使模型更多地关注目标信息忽略背景信息；针对大分辨率的图像，添加图像切割层，避免多倍下采样造成的小目标特征信息大量丢失。对YOLOv5模型进行改进之后，通过自制的安全帽数据集进行训练检测，mAP和召回率分别达到97.06%、92.54%,与YOLOv5相比较分别提升了4.74%和4.31%。实验结果表明：改进的YOLOv5算法可有效提升安全帽佩戴的检测性能，能够准确识别施工人员的安全帽佩戴情况，从而大大降低施工现场的安全风险。