基于黄色诱捕板的黄曲条跳甲识别与计数方法

为了及时掌握严重危害蔬菜生长的害虫—黄曲条跳甲的发生状况及其危害程度,提出了基于黄色诱捕板的黄曲条跳甲识别与计数方法.首先,采用最大类间方差法(OTSU)获得图像的黄色诱捕板区域.在黄色诱捕板上以连通区域面积阈值获得候选区域,并对候选区采用OTSU算法、颜色平滑算法和主动轮廓模型进行目标图像分割.在此基础上,对候选区域提取颜色特征、纹理特征和几何特征,并采用支持向量机的方法,对黄曲条跳甲进行识别和计数.所提出的基于黄色诱捕板的黄曲条跳甲识别与计数方法的准确率、精确率和召回率分别为88.16%,92.00%和81.56%,达到了及时获得黄曲条跳甲灾情的目标.     

基于程序依赖图的Aspect挖掘技术

为了有效地识别遗产代码中因横切关注点而导致的零散代码或交织代码,提出了一种基于程序依赖图的Aspect挖掘方法.根据横切关注点的本质特性,考察了横切关注点与核心关注点之间的依赖关系及其在依赖图上的表现形式,对于单个方法体,结合程序的语义信息,在程序依赖图中引入一个虚拟结点表征方法体的核心功能,所有影响核心功能的语句都与之建立依赖关系,然后对依赖图进行拓扑分析,先从虚拟结点开始分离出核心代码,再通过求解连通分量的方式挖掘方法体内横切代码.实例分析表明,该方法不仅能识别出方法体内的零散特性代码,而且还能有效地挖掘出交织特性的代码.     

基于Mask R-CNN的防波堤复杂护面块体检测和分割方法

针对斜坡式防波堤护面层块体个数统计效率和精确率低的问题,提出了基于Mask R-CNN深度学习网络的斜坡式防波堤扭王字块体的识别和分割方法。该方法利用Mask R-CNN深度学习网络学习实验室采集图像的特征信息,通过调整交并比(IOU)阈值得到评价指标最好的模型,并将该模型应用于现场防波堤图像护面块体的识别和分割。测试结果表明,IOU取0.5时,目标分割的平均精确率为91.83%,平均召回率为92.94%;将训练得到的网络用于识别无人机航拍现场的防波堤图像,扭王字块识别率可达90.7%,且拍摄角度和高度对识别精度影响不大。Mask R-CNN深度学习网络可实现密集、复杂护面块体的准确识别,具有良好的移植性和通用性。     

基于深度卷积神经网络的肺结节检测与识别

应用卷积神经网络将肺结节从含有背景、噪声的胸腔区域里检测并识别出来。首先,对图像进行预处理,获得肺实质图像。然后,应用Faster R-CNN多特征融合算法检测肺结节候选区域,再利用多角度特征融合方法滤除假阳性结节。接着,通过数据增强法、残差学习法、优化初始参数等对卷积神经网络的性能进行优化。最后,应用迁移学习方法对数据集进行训练,得出最终的检测结果。抽取LIDC数据集中含有肺结节图像数据,检测并识别肺结节的准确率达到98. 1%。实验结果表明,该算法优于其他3类算法,实现了肺结节的精确检测和识别,在保证检测和识别出正确结节的前提下,降低了过拟合率及训练时间,提高了算法效率,研究成果为早期肺癌的诊断提供参考依据。     

汉语自动分词中中文地名识别

以词语级的中文地名为识别对象,根据地名内部用字的统计信息和地名构成特点产生潜在地名．在汉语自动分词中将可信度较高的潜在地名等同于句子的候选切分词,利用候选切分词本身的可信度和上下文接续关系评价句子的各种切分方案．在确定句子最佳切分时识别句子中的中文地名．对真实语料进行封闭和开放测试,封闭测试结果为召回率93．55％,精确率94．14％,F-1值93．85％;开放测试结果为召回率91．27％,精确率73．48％,F-1值81．42％．取得了比较令人满意的结果．     

基于瀑布型混合技术的异常检测算法

针对隔离森林(iForest: isolation Forest)算法对局部异常点检测能力较低, LOF(Local Outlier Factor)算法 检测时间较长的问题, 提出了基于瀑布型混合技术的隔离森林算法 iForest-WHT(isolation Forest based on Waterfall Hybrid Technology)。 该算法借鉴瀑布型混合技术思想, 将隔离森林算法作为过滤器, 以分割路径为阈 值判断依据, 将路径小于阈值的数据放入候选异常子集, 继而使用考虑极值影响的改进的 LOF 算法对候选异 常子集进一步精化, 得到更加精确的异常点。 实验结果证明, 该算法能以较高的效率识别局部异常点, 提高了 算法的 F 1 值, 并且降低原 LOF 算法的误检率。     

基于概念分析的软件横切关注点提取方法

为解决软件遗产系统中横切特性的理解和进化问题,提出了面向侧面的逆向工程框架模型,并以此为基础给出了一种用例驱动的形式化概念分析方法,对需求分析模型层面上的系统横切特性进行逆向恢复．通过对目标系统执行信息进行概念格分析,文中方法能够识别和提取横切用例模型的系统方法调用集合,并将它们抽象为系统的早期侧面．和仅为了代码重构而进行的侧面挖掘技术相比,该方法更适合在较高的系统抽象层面上进行程序理解．作为一种采用增量式结果产生策略的半自动化方法,它的实施流程也具有更好的可控性和对逆向工程需求变化的适应性．     

基于网络评论中产品特征的提取优化

针对现有网络评论中产品特征提取算法运行效率低和准确率低的问题,提出了改进Apriori算法并用于候选特征集合的抽取,结合单字词规则和邻近剪枝规则对候选特征集合进行初步过滤,采用频繁项名词非特征规则及PMI阈值过滤技术对候选产品特征集进行筛选,得到最终产品特征集.以从互联网下载的手机评论语料作为实验对象进行实验,结果验证了该方法具有较高的准确率和查全率.     

基于YOLOv3算法和深度特征的地点识别方法

针对视点、外观等因素变化给地点识别应用带来的不利影响,设计了1种基于显著路标及深度特征的地点识别方法.首先分割图像中的显著物体作为候选路标;然后设计YOLOv3算法网络,对候选路标进行识别,以删除不适合环境建模的特定对象类型;最后在图像相似度测量中,利用中层卷积层的性能特点,提取候选路标的卷积神经网络(convolutional neural networks,CNN)特征,并结合降维操作,提升匹配效率.在3个具有挑战性的公开数据集上进行了试验,与FAB-MAP、SeqSLAM和Place-CNN等先进方法进行了比较,该方法的平均识别精度达到71.22％,优于其他3种方法,表明经过筛选的显著路标的CNN特征可以抵御强烈的视点和外观变化.     

基于卷积神经网络语义检测的细粒度鸟类识别

细粒度识别的主要目的是在相同基本类别下对其繁多的子类别进行区分。不只局限于头和躯干的定位现状,提出了一种基于Faster RCNN联合语义提取和检测的分类方法。通过引入自上而下的方法来生成七个小语义部位,既大大减少了候选区域的个数,又提高了分类的效率。检测子网可以和区域候选生成网络(RPN)共享卷积特征,结果使得区域建议几乎不花时间,从而可以生成高质量并且具有局部特征的区域建议框,便于Fast RCNN的检测。相对于其他鸟类识别研究,实验中鸟类识别准确率达到了88.37%,提高了识别效率。说明联合语义的Faster RCNN网络适用于鸟类的细粒度识别。     

面向方面编程的研究

AOP为开发者提供了一种描述横切关注点的机制,它能够自动将横切关注点织入到面向对象的软件系统中,从而实现横切关注点的模块化.论述了AOP的产生、开发步骤和关键技术,对AOP的优缺点进行了比较分析.     

软件动态度量及其在逆向工程中的应用

在对软件度量进行分析的基础上,指出常用的软件度量是静态的,只反映了系统可能的属性,而不是实在属性.定义了动态扇入扇出度量,用实例说明它们不但反映了系统实在的的属性,还可以用于确定系统中的关键组件,推断系统的功能.基于这个特性,提出了一种在逆向工程中快速认定系统中某一功能的具体实现过程的方法.在这种方法中使用了标有动态扇入扇出值的程序依赖图和部分植入技术.运用这种方法得到的信息量较少但都是与用户的关注点密切相关的,有助于用户快速理解系统.     

最大熵方法中特征选择算法的改进与纠错排歧

对应用最大熵原理建立语言模型的特征选取方法作了改进.用特征模板从训练样本中获得候选特征集,应用频次与平均互信息相结合的方法从候选特征集中选取特征.在选择有效特征时,对候选特征集中出现频次大于某一限值的特征或平均互信息很大的特征直接加入有效特征集,且不是每选一个特征都调用参数的求解过程,从而加快了特征选择的速度.将改进的算法应用于文本纠错建议的排歧,实验证明,所改进的特征选择算法有效.     

基于改进遗传算法的FISH基因模糊自适应提取

为了快速准确地提取荧光原位杂交（FISH）图像中的荧光染色基因,提高临床医学上诊断病变的效率,针对FISH图像固有的模糊特征,提出了一种基于改进遗传算法的多维多阈值模糊自适应提取算法.首先根据灰度直方图的分布特性,提出相应的自适应窗宽选取算法,确定阈值搜索的范围;然后通过设计的模糊隶属度函数,将图像分割成若干不同的区域;最后采用最大模糊熵准则,并借助优化后的自适应遗传算法,寻找确保基因目标最大信息量的分割阈值.将分割结果与其他几种常用分割算法进行比较,并采用分类概率的数学测量方法定量分析,结果表明：在标准噪声干扰下,该算法的错误划分概率仅为0.042 1,可以更加准确和高效地对荧光基因进行提取.     

Identifying composite crosscutting concerns with scatter-based graph clustering

Identifying composite crosscutting concerns(CCs) is a research task and challenge of aspect mining.In this paper,we propose a scatter-based graph clustering approach to identify composite CCs.Inspired by the state-of-the-art link analysis tech-niques,we propose a two-state model to approximate how CCs tangle with core modules.According to this model,we obtain scatter and centralization scores for each program element.Espe-cially,the scatter scores are adopted to select CC seeds.Further-more,to identify composite CCs,we adopt a novel similarity measurement and develop an undirected graph clustering to group these seeds.Finally,we compare it with the previous work and illustrate its effectiveness in identifying composite CCs.     

自由曲面数控加工中非线性误差分析与走刀步长的确定

走刀步长的合理确定是影响曲面加工精度与效率的重要问题。该文对三坐标数控加工中因离散直线逼近所导致的刀具运动非线性误差进行了较严格的理论分析 ,其误差按照轮廓法向定义 ,将目前的二维弧弦近似处理提高到三维意义下基于刀具包络运动的较精确的估计 ,所提出的分析方法适用于多种类型刀具 ,并得出了归一化的计算表达 ,在此基础上满足给定精度要求的走刀步长估计及其简化算法     

一种自适应搜索的足球机器人定位方法

基于目前结构环境下的机器人定位问题,将机器人定位的概率问题转换为有限空间范围内的极小值搜索问题,实现了一种新的基于机器自学习的搜索方法.为了保证定位的实时性与定位精度,提出了一个能自动调整搜索步长的自适应搜索算法,解决了RoboCup中型组足球机器人的自定位问题,并在实际环境中完成了算法有效性测试.     

AOP及其在状态机工作流中的应用

面向切面编程(Aspect-Oriented Programming,简称AOP)作为一种新的编程技术正日益引起人们的关注.文章介绍了AOP产生背景和理论价值,并结合作者所设计的状态机工作流框架,详细讨论了如何通过在该框架中引入AOP机制来克服纯面向对象编程的不足,从中分析了AOP的优势和应用价值,最后对AOP和OOP的关系进行了讨论.