基于Cluster的并行内存数据库恢复机制的设计与实现

文章提出的恢复子系统模型是根据差分日志记录的特点,将已提交事务的日志经并行日志管理器收集后并行写入到多个磁盘,通过“协调者”全局检验点和站点局部检验点的协调操作,具有更高的并发度和更高的系统吞吐量,并且能快速地支持系统失败恢复．经过验证试验表明该子系统有效地减少了日志信息量,缩短了系统的恢复时间,提高了系统的性能．     

电镜分析中的灰度图像的颤动法打印

以EPSON系列24针打印机为例,讨论了伪灰度图像的打印输出问题。     

基于神经网络进行数据挖掘的一种算法

本文对神经网络的数据挖掘方法进行了详细的研究,包括数据挖掘的工作流程、神经网络的基本概念和结构、实现的关键技术以及神经网络的应用,验证了算法的有效性和高效率性。     

基于逻辑日志的内存数据库恢复子系统设计

根据嵌入式系统环境的特点及其恢复需要,提出一种基于逻辑日志的嵌入式内存数据库恢复子系统设计模式,该子系统采用一主两副的节点模式,保证了数据对象恢复时状态与逻辑日志写时状态的一致性.经过验证试验表明该子系统有效地减少了日志信息量,缩短了系统的恢复时间,提高了系统的性能.     

基于内容的音频检索技术研究

提供了一种通过声学的相似性来检索音频文件的方法。该方法对于相似性的度量是基于出自一个矢量量化器的统计表,而不是匹配简单的基音或谱特点,因而具有比较高的检索效率。     

基于多维尺度变换和自适应增强回归进行插值——以三维地质属性体为例

为了探索地质属性分布特征,求得三维地质体中未知点的属性值,实现自动化插值,提出了利用多维尺度变换（Multidimemsional Scaling,MDS）和自适应增强回归(Adaptive Boosting Regressor,ABR)进行三维地质属性体的空间插值。在空间插值中,未知点的属性值与其最近的几个样本点的属性值、距离以及各向异性特征紧密相关。MDS可以把这些因素进行降维得到一维的因子,然后建立ABR模型求得未知点,最后利用均值滤波（Mean Filtering,MF）减少ABR产生的不连续性,实现自动插值。通过对比普通克里金方法,结果表明,该方法在考虑各向异性的情况下简化克里金方法中人为进行半变异分析等繁琐流程,实现自动化插值;同时避免了在非特定随机场的地质破碎地带,运用克里金插值时已知样本点必须符合特定随机场的局限性。     

基于改进Mask R-CNN的高密度砂岩颗粒的分割识别

针对高密度颗粒密度大,数量多,形态不一,且颜色相近的情况,通过传统方法对砂岩颗粒分割难度存在检测不准和漏检的不足。想要在少量样本中获取更好的效果,变得更加困难。基于上述问题本文提出一种基于改进Mask R-CNN的DGC-Mask R-CNN检测模型,针对少量样本、高密度砂岩颗粒的分割与识别。研究中首先收集了128张超高分辨率的图片,每张图片有近200个砂岩颗粒实例,共26200个实例对象。为了使模型拥有更好的泛化能力,防止少量样本下的过拟合,使用Albu进行图像增强。用自监督预训练模型Barlow Twins来对砂岩颗粒的特征进行初步提取。在DGC-Mask R-CNN中,构建ResNet50模型作为骨干特征提取网络,在ResNet50的BottleNeck的C3,C4,C5特征卷积层中改进传统卷积方式,使用可变形卷积神经网络DCN,并添加GCB注意力机制。在上采样器的多个级联上采样模块中,结合改进的上采样算法CARAFE。实验结果表明,改进后的DGC-Mask R-CNN,使得检测与分割识别的平均精度 达到88.9%和88.8%,与传统的Mask R-CNN、Cascade-Mask R-CNN、Mask Scoring R-CNN、HybridTaskCascade相比检测精度更高。在均值平均精度 方面,与其它模型相比提升较为明显。将模型分割后得到的结果,进行砂岩颗粒的统计以及长短轴的计算,可实现对该部分砂岩颗粒的溯源,计算地壳运动导致的砂岩迁移的距离,进而评估地下油藏。