计算机专业离散数学教学侧重点的转变

离散数学是现代数学的一个重要分支，是伴随计算机科学的发展而逐步建立起来的新兴的基础性学科，是研究计算机科学的基础和应用工具．随着计算机技术运用层次的不断加深，离散数学在计算机专业中的地位也发生了变化．针对计算机学科的特点与发展趋势，提出面向计算机专业离散数学教学改革的几点意见．     

1982年～2002年国内部分足球硕士论文分类研究

对1982年～2002年国内部分足球硕士论进行分类研究。从论研究方向、整体结构上，解读近二十年来的足球硕士论的研究重点。以及被忽略的同时又有相当研究价值的研究方向。以期对我国的足球硕士研究论选题提供一定的理论依据。     

卫生监督主体及其职能效益的缺陷问题分析

从现行卫生监督体系中的主体现状看,仍然延续着卫生监督主体与监督机构相分离、卫生监督主体职权与监督机构职能不协调的状态,不仅存在卫生监督合法性与公正性的缺陷,也与卫生监督的权责统一及效益原则相悖,不利于卫生监督工作的开展以及卫生监督目的的实现。要进一步完善我国的卫生监督体系,亟待重视和解决卫生监督中存在的主体地位与效益缺陷问题。     

一维连通流形的分类（Ⅰ）

连通的一维流形在同胚的意义之下恰可分成７类，它们分别以下列７个空间作为代表：１）紧致区间［０，１］；２）半实轴［０，∞）；３）实数轴Ｒ；４）单位圆周Ｓ１；５）超穷长半直线［０，ω１）；６）单向超穷长直线（－∞，ω１）；７）（双向）超穷长直线（－ω１，ω１）．     

平凉市儿科疾病病种分析

平凉市儿科疾病病种分析玉学（平凉市人民医院儿科７４４０００）儿科疾病的发病规律和病种在全国有其共性。在这个共性的指导下，每个地区内由于地理、气候、食物结构等因素的不同，疾病病种则有其特殊性。因此，经常注意掌握所在地区儿科疾病发病规律及病种，对有效地做...     

论中国抗日战争在世界反法西斯战争中的地位和作用

本文论述了中国抗日战争作为世界反法西斯战争的重要组成部分，抗击印牵制了日本陆军总兵力的三分之二，迫使日军放弃北上计划，削弱了日军南进的实力，支援了太平洋战场美英盟军的作战，为世界反法西惭战争的胜利作出了不可磨灭的历史贡献。     

省道002线（分水岭—仲宫段）地层划分与岩土工程分类

详细阐述了省道002线分水岭到仲宫段跨越地带地层的时代、岩性,划分了岩、土的工程类别,为道路和桥梁设计、支挡物设置及工程概算提供了依据。     

谈在数学教学中如何加强思想方法的教学

对比分析法、分类概括法、综合分析法和整体结构法是数学中最重要的思想方法，必须在教学实践中认真运用，切实加强。     

基于特征类内紧凑性的不平衡医学图像分类方法

近些年,基于深度学习的算法和模型在各种图像分析任务中都取得了显著的成功,与常见的自然图像相比,医学图像数据集依然面临高度不平衡的问题,不平衡数据会导致特征空间里的决策边缘倾向样本多的类别,导致分类效果的下降.为了解决该问题,提出一种基于卷积神经网络考虑特征类内紧凑性的不平衡医学图像分类方法（Z-Score Compactness-based Convolutional Neural Network,ZC3NC）.首先,从一个卷积神经网络的最后一层卷积层提取训练集样本与测试集样本的特征图,随后引入一个新的Z分数来度量测试集数据的特征图相对训练集每个类在特征空间上的偏离度,偏离度的度量基于类内的紧凑度,其主要关注样本的分布特性,对各类样本数量的不平衡性不敏感.最终,根据计算的偏离度,对测试集的数据进行分类.在DermaMNIST数据集上的实验表明,在不对数据和神经网络模型做任何额外增强的情况下,该方法的平衡准确率比原卷积神经网络模型平均提高11.15%,最多提高14.08%,证明提出的分类方法能有效地提高多种卷积神经网络对不平衡医学图像数据的分类性能.此外,和最先进的不平衡分类方法 Und...     

基于双通道残差网络的泥石流沟谷孕灾风险预测

云南作为泥石流受灾最严重的省份之一,每年均会遭受重大损失。为了应对这种突发性灾害,本文基于DCHNNet(dual-channel hybrid neural network)提出了一个基于双通道的改进残差结构的卷积神经网络——双通道残差网络(two-way residual network, TWRNet)。该网络能够广泛应用于泥石流沟谷图像的潜在危险性排查,实现泥石流灾害的预警。TWRNet首先采用切片的方式对数字高程(digital elevation model, DEM)数据和遥感数据分开处理,并使用改进的残差结构进行特征提取;然后将特征进行融合,并使用通道注意力机制SE(squeeze-and-excitation networks)模块进行通道增强;最后给出泥石流沟谷的分类结果。在训练过程中,本文使用了交叉熵和焦点损失构成的联合损失函数。实验结果表明,TWRNet在泥石流沟谷识别方面达到了最高89.28%的识别率和87.50%的召回率,模型性能良好。使用图像学习沟谷特征的方法来进行泥石流孕灾沟谷的识别是可行的。