基于误差加权哈希的图像检索方法

图像检索技术旨在大规模图像库中准确、快速地检索与查询图像相似的图像。基于此,对误差加权哈希Error Weighted Hashing(EWH)快速近似最近邻搜索算法进行分析,并将其与Locality Sensitive Hashing(LSH)局部敏感哈希、Multi-Index Hashing(MIH)多索引哈希进行分析比较,然后基于误差加权哈希(EWH)算法构建图像检索系统,设计分段哈希索引的结构以及该系统所需要实现的功能模块。     

纹理映射技术算法综述

纹理映射技术随计算机技术的发展,经历了二维纹理映射到三维纹理映射,再到过程纹理映射的一个过程。在这个过程中,纹理映射算法层出不穷,各有优劣。通过系统地总结纹理映射技术的发展历史和纹理映射发展历史中的几种经典算法,从应用的角度给出了纹理映射技术的各种常用算法,并比较其中几种算法的优劣。     

蒙特卡罗方法研究层状含集团权重伊辛模型相变

三维Ising模型是统计力学中的一个非常重要的模型，在描述三维Ising模型的配分函数中引入集团权重因子n可以得到新的临界指数和普适类，但人们尚不清楚集团权重因子对其他晶格结构中的Ising模型的影响。本文尝试研究另外一种几何结构，层状含集团权重Ising模型，通过将着色算法和Swendsen-Wang算法相结合给出高效的集团演化方法，计算出的磁化强度m、磁化率χ、比热C_v和宾德累积量Q，并拟合出临界指数y_t和y_m以及其它指数α,β,γ,δη，υ。由于拓扑结构不同，尽管双层模型在n=1.5时也是一级相变，但临界指数与三维模型有所差别，表明两者属于不同的普适类。n=3时，能量直方图的双峰结构和磁滞回线表明双层模型发生一级相变，和三维晶格的结论一致。此外，本文发现了之前工作尚未注意到的现象，n≥3时，系统发生的是铁磁到反铁磁之间的几何相变。本文的结果对于理解统计力学自旋模型有一定的促进作用。     

求解分布式并行机调度的新型帝国竞争算法

提出一种求解异构工厂分布式并行机调度问题(DPMSP)的新型帝国竞争算法(ICA),以最小化最大完成时间作为优化目标.首先,将DPMSP的优化简化为对工厂分配子问题的求解,提出相应的编码方案并采用最大处理时间规则解码;然后,采用基于加工速度的概率分配方法构建初始种群,引入殖民国家同化以加强对优秀个体的搜索并在革命中运用基于工件-工速积的新型插入算子以改善解的质量;最后进行大量数值实验.计算结果表明该新型ICA在分布式并行机调度问题求解方面具有较强的搜索优势和较好的稳定性.     

实时三维超声心动图与二维斑点追踪成像技术共同评价心肌梗死患者左室收缩功能与同步性

目的探讨二维斑点追踪成像(2D-STI)及实时三维超声心动图(RT-3DE)评价AMI患者左心室收缩功能和各节段运动的同步性.方法 50例急性心肌梗死患者为病例组,30例正常体检者为对照组,应用CMQ软件获取各节段径向圆周应变及应变率曲线,然后转变为RT-3DE模式,得到17节段时间-体积曲线(VTC),并获得收缩功能以及非同步收缩参数.结果 1)与对照组相比,心肌梗死组3个水平所有节段径向应变值和圆周应变值均减低;2)心梗组患者Trs-SD,Tcs-SD,Trsr-SD,Tcsr-SD明显高于对照组(P0.05);3)与单支冠状动脉病变心梗组比较,多支冠状动脉病变心梗组LVEDV,LVESV显著增加,LVEF显著减小;4)病例组患者左室Tmsv17-SD,Tmsv17-Dif,Tmsv17-SD%,Tmsv17-Dif%均较对照组增大(P0.05).结论 RT-3DE和2D-STI可以准确地量化左室收缩功能,评价AMI患者左室运动的同步性,左室收缩功能障碍也影响收缩同步性.     

一种任意起始位姿的连续曲率泊车路径在线规划方法

针对目前泊车路径规划算法对起始位姿要求严格，且难以兼顾最终位姿精度、路径质量及计算效率等问题，提出了一种任意起始位姿的连续曲率路径在线规划方法。该方法将整个泊车路径规划分为库位内调整与入库过程两部分。库位内调整采用以最终位姿高精度与调整次数最少为目标函数的最优化方法进行逐段规划；入库过程采用连续曲率曲线组用于混合A*算法的状态节点扩展以直接生成无需后处理的可执行路径。设计考虑路径的曲率变化与方向改变次数的估价函数；采用由路径几何形状特征点构建特征多边形的碰撞检测方法以提高计算效率。离线仿真与实车试验结果验证了该方法的有效性。     

面向同源蛋白质探测的一种新型混合深度学习模型

根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有用的蛋白质特征信息;(2)如何更好地运用蛋白质特征信息,实现同源蛋白质的探测与识别。为了解决同源蛋白质探测与识别研究中的关键难点,本文提出一种基于混合深度学习架构的同源蛋白质探测与识别模型(HDLM-PHP)。通过采用统一的"管道式"深度学习架构,将蛋白质特征学习和探测识别统一为一个整体,提高同源蛋白质探测与识别的效能。采用多组并行的深度卷积神经网络,学习蛋白质的各种属性信息,以期获得丰富的待检测蛋白质和靶蛋白质的高级相关性特征,并通过全连接方式使用多层RBM结构融合和精炼这些相关性特征为全局相关性特征。通过统一的深度网络连接方式,以探测和识别任务为导向,学习到对于同源蛋白质预测最有效、最全面的蛋白质特征信息。在标准数据集SCOPe上,对所提模型进行性能与效率评测,结果表明:本文提出的模型能有效地学习到符合任务导向的蛋白质特征数据,提升同源蛋白质探测与识别的准确度和召回率,优于现有的模型和算法。     

基于Lightgbm和XGBoost的优化深度森林算法

教育规模不断扩大，高校在校生人数持续上升，导致学生的能力参差不齐.为了提升教育水平，教师需掌握学生在校期间的学习状态，预测学生期末成绩是教师掌握学生学习状态的重要途径之一.目前的研究工作主要采用传统的机器学习算法进行成绩预测，如随机森林、贝叶斯、深度森林等，但精度不高；也有利用深度学习算法进行预测，但模型缺少可解释性. Lightgbm(Light Gradient Boosting Machine)算法内存消耗低，时间复杂度低，而XGBoost(eXtreme Gradient Boosting)算法精度高.因此，基于提高精度与降低模型内存消耗的策略，将深度森林中的随机森林与极限随机森林模块分别替换为Lightgbm和XGbBoost，提出一种基于Lightgbm和XGBoost算法的优化深度森林算法LIGHT-XDF.在八个数据集上与其他模型进行对比实验，结果表明，LIGHT-XDF算法的综合性能最好.     

人工规范场中冷原子气体的薛定谔方程的格点规范差分算法

对于空间不均匀的人工规范场,由于位置和动量耦合在一起,冷原子物理中常用的时间分裂谱方法将不再适用。为了计算空间不均匀的人工规范场中的冷原子动力学行为,这里给出人工规范场中冷原子气体的薛定谔方程的差分算法,在我们的算法中人工规范场使得动能项的差分出现和人工规范场的联结函数,在文中分别就阿贝场和非阿贝场用待定系数法和格点规范理论给出了处在人工规范场中的冷原子气体的薛定谔方程的格点规范差分格式。我们先以最简单的U(1)的虚拟阿贝规范场为例,用两种方法分别给出相同的差分形式。对于更为复杂的SU(N),我们以SU(2)为例用两种方法给出了差分形式。然后用所得到的差分格式计算了冷原子物理中一个很典型的现象自旋霍尔效应。     

论电视广告语言的五种风格类型

文章将电视广告语言的风格分为叙事风格型、描述风格型、说明风格型、抒情风格型及评论风格型五种风格类型，深入探讨了每一种风格类型的广告语言的特点。多数情况下，五种类型的广告语言通常相互交叉、互相融合，其运用要综合考虑诸多因素并“对症下药”。