关于一类解析函数的性质

引入了一个新的解析函数类Bλ(μ,α,A,B),应用微分从属的方法讨论了它的从属关系、包含关系及不等式性质,得到了一些精确的结果,推广了一些已知结果,一些已知的结论是本文的特例.     

基于双流卷积网络的宫颈细胞细粒度分类

为了实现对宫颈细胞图像相近类别的准确自动分类,提出了一种双流卷积神经网络算法。算法以DenseNet121网络和Xception网络为基础并对其进行改进,以提高算法对宫颈细胞进行细粒度分类的识别准确率。首先,在DenseNet121中引入DropBlock模块进行网络正则化,用于提高模型的泛化能力;其次,在Xception中加入SE(squeeze-and-excitation)模块调整通道权重,以增强网络提取有效特征的能力;最后,将两个网络输出的特征图进行拼接构建双流网络,来获取宫颈细胞更全面的特征信息。实验结果表明,该网络在Herlev数据集以及SIPaKMeD数据集上各性能指标都表现良好,且都达到了99%的准确率,优于改进融合前的网络,提出的算法在宫颈细胞的细粒度分类中具有较高识别率。     

基于改进YOLOv4网络的水表读数识别方法

在远程水表读数自动识别系统中,为减少网络模型参数量,改善受雾化、抖动等干扰的水表复杂场景图像读数识别精度及半字识别问题,提出了一种基于改进YOLOv4网络的水表读数识别方法。首先,利用深度可分离卷积与引入压缩与激发(squeeze-and-excitation, SE)注意力机制的MobileNetv2瓶颈结构,分别替代YOLOv4网络原有的标准卷积和主干网络;其次,利用加权平均非极大值抑制算法改进预测输出头,形成了一种网络模型参数量明显降低但检测精度不下降的改进YOLOv4网络,同时有效改善了对水表读数“半字”识别的漏检和错检问题;最后,基于字符边框定位的水表读数提取方法,实现“半字”准确提取问题。实验结果表明,所提方法与多种网络学习方法相比,模型参数量压缩14.4%以上,读数识别的准确率和召回率对普通场景水表图像分别提升了0.04%和0.05%以上,对受雾化、抖动等干扰的复杂场景水表图像分别提升了0.11%和0.37%以上。     

基于全尺度跳跃连接的视网膜血管分割算法

为了解决经典分割算法对于视网膜血管分割精度不够的缺陷,通过将U-net3+(全尺度连接U形网络)应用于视网膜微血管分割,并加以改进来提高分割精度。首先利用U-net3+中的全尺度跳跃连接,提取更多尺度的视网膜微血管特征。针对细小血管难以捕捉的问题,将网络中的普通卷积换成可变卷积,它可以根据血管的形状、大小改变感受野的大小,提高算法的分割准确度。然后使用SFAM模块来优化U-net3+网络中的特征融合部分,保留更多的有用信息。在视网膜图像数据库上测试本文算法,结果表明,分割的平均准确率为97.63%,比传统的U-net网络和U-net3+网络分别提高了2.35%、0.99%。可见,改进算法有效提高了视网膜血管分割精度。     

Vandermonde矩阵求逆的并行算法及其复杂度

分析Ｖａｎｄｅｒｍｏｎｄｅ矩阵的一种求逆递推式,利用卷积技术研究递推式求解的并行计算方法,给出了并行算法的实现方案,该算法的时间复杂度为Ｏ（ｌｏｇ２ｎ＾２）。     

局部紧半群上概率测度卷积幂序列的弱收敛

用测度的某种不变性和卷积幂序列的本性点集的关系,来刻划一类局部紧半群上概率测度卷积幂序列的弱收敛性．     

离散卷积与离散傅氏变换的矩阵关系

分析了离散卷积,离散相关,离散傅氏变换的矩阵形式,以及各矩阵形式间存在着密切的关系。并利用离散卷积和离散傅氏变换的矩阵关系,证明了循环矩阵逆阵的求解公式,说明这三者的矩阵关系对一些矩阵问题的解决有一定的帮助。     

多芯片组件互连瞬态响应

提出了运用渐进波形评估（ＡＷＥ）法的改进算法研究多芯片组件（ＭＣＭ）互连线的瞬态响应．根据电话电报方程的特点得出其矩阵指数展开式的麦克劳林展式,建立了网络的修改节点法方程并求得电路的冲激响应．利用递归卷积法求得任意激励下的电路响应．数值模拟结果表明,在一定的精度要求下,本算法速度比传统模拟器Ｓｐｉｃｅ约提高２ 个数量级．     

Z-变换的一个应用

Z-变换是对离散变量进行运算的一种有力的数学工具.本文从Z-变换的基本概念出发,给出了Dk的一般公式及Snk=n∑j=1jk的求和公式.     

一类含卷积核的对偶型奇异积分方程的非正则型解法

本文研究了一类既含Cauchy核又含卷积核的对偶型奇异积分方程的非正则型积分方程的求解方法,得到了该类方程在{0}类中的可解条件与一般解。