基于IBCC优化算法的多阈值图像分割

图像阈值分割算法中,如何确定最优阈值是关键.使用传统多阈值法对较复杂图像进行分割,存在计算复杂度高、分割速度慢等问题.文章将细菌群体趋药性优化算法和阈值分割算法相结合,并且对细菌群体趋药性算法进行改进,提出了基于改进细菌群体趋药性优化算法的多阈值图像分割算法.实验结果证明,文章提出的算法具有很好的收敛性和稳定性,得到了较好的图像分割效果和图像分割速度.     

基于自适应开关中值滤波算法的工程图像处理

工程施工图像在获取、传输等过程中存在一定程度的噪声干扰。通过对标准中值滤波算法进行分析,得到了一种基于自适应开关中值的图像滤波算法,能够在去除椒盐噪声的同时保持图像细节。该算法用迭代实现了开关中值滤波算法中阈值的自动选取,可有效提高噪声点检测的准确率。通过MATLAB仿真实验,证实了该算法相较于传统滤波算法能够更好地保护图像细节和改进图像清晰度。     

如何实现工作-家庭共同繁荣:基于资源增益视角

本文基于资源增益视角,采用问卷调查法,对232名企业员工进行调查,探讨了职场友谊和家庭支持对工作繁荣和家庭繁荣的影响机制。结果表明:职场友谊显著正向影响工作繁荣和工作-家庭增益,工作-家庭增益显著正向影响家庭繁荣,且工作-家庭增益在职场友谊与家庭繁荣之间起中介作用;家庭支持显著正向影响家庭繁荣和家庭-工作增益,家庭-工作增益显著正向影响工作繁荣,且家庭-工作增益在家庭支持与工作繁荣之间起中介作用;工作-家庭分割偏好显著负向调节职场友谊与工作-家庭增益之间的关系,同时也显著负向调节家庭支持与家庭-工作增益之间的关系;工作-家庭分割偏好显著调节了工作-家庭增益与家庭-工作增益的中介作用。     

基于阈值降噪同步压缩变换和CNN的滚动轴承故障诊断方法（英文）

针对滚动轴承振动信号的非平稳性和易被背景噪声干扰导致故障难以被准确诊断的问题,提出了一种基于时频阈值降噪同步压缩变换(TDSST)和卷积神经网络(CNN)的滚动轴承故障诊断方法.由于传统的小波阈值降噪及小波相邻系数降噪方法受信号噪声方差估计精度影响大,因此采用了基于STFT谱相关系数阈值寻优的时频降噪方法,将其与同步压缩变换结合,并用滚动轴承模拟冲击故障信号验证了TDSST方法降噪及提高时频分辨率的能力.最后,利用CNN对TDSST方法处理得到时频图进行诊断,滚动轴承实验数据诊断结果表明了所提方法能够有效地提高诊断准确率,当轴承信号信噪比大于0 dB时,诊断准确率都达到了95%以上,即使信噪比降到-4 dB时,诊断准确率也维持在80%左右,并且多次测试结果的标准差较小,表明方法具有良好的鲁棒性.     

UBDR-FB:一种针对脂肪型乳腺超声大数据识别方法

目的:新疆地区女性多为脂肪型乳腺,B超回声影像具有很强的特殊性,当前国内外的深度学习模型识别率偏低。方法:为提升新疆地区乳腺超声影像的识别精确度,提升辅助诊断效果,本文提出了一种基于U-Net网络的超声乳腺肿瘤的分割方法UBDR-FB(ultrasound big data recognition for fatty breast)。UBDR-FB包含编码和解码两部分,在编码的过程中,UBDR-FB利用下采样来捕获不同分辨率的病理图像的特征信息;在解码的过程中,对特征信息进行上采样融合至初始像素。同时,UBDR-FB使用了跳跃连接方法以提高超声影像的识别效率。结果:本文收集了8430张新疆脂肪型乳腺超声影像,经过标准化处理后,利用UBDR-FB深度学习模型建立了具有新疆地域特征的超声模型。结果:UBDR-FB方法识别脂肪型乳腺规则病灶准确率均值为80%,最高可达92%。     

市场分割对区域创新能力的影响研究

基于耦合协调度、熵值加权法、相对价格法以及多元回归分析等方法,从创新投入、产出和协同三个维度构建区域创新能力指标体系,实证考察了市场分割如何影响区域创新能力。研究发现：市场分割显著抑制了区域创新能力提升;细分维度来看,市场分割对创新投入的负向影响大于创新协同,而对创新产出的影响不明显;市场分割的抑制效应主要通过锁定市场需求规模、抑制人力资本积累以及降低资源配置效率实现的;此外,随着区域创新能力由条件分布的低水平向高水平迈进,其抑制效应呈现先强化后弱化的倒“U”型趋势;进一步地,地区特征对于两者之间关系表现出显著异质性效应,在技术市场发达、金融发展和市场化水平较高的地区,其负向影响得以缓解。     

基于迁移学习的发票号码识别研究

财务系统中的发票管理长期以来严重依靠人力,并存在一定的失误率,且目前一些发票识别方法存在准确率不高、数字识别实时性不足等问题.鉴于此,基于已有较成熟的手写体数字识别工作,从迁移学习思想和方法入手,设计一种能准确快速识别发票号码的新方法.选取迁移学习的3种具体方法,即Tradaboost、微调和卷积神经网络提取特征并运用...     

体育统计学新视角:数据级数推断

抽样研究通常是对抽取的样本进行测量,根据测出的样本数值对总体参数值进行推断,假设检验、置信区间和数据级数推断的方法都被运用来进行这一研究推断。本文采取了一个体育学的抽样研究案例,分析和探讨了以上三种方法在做出研究推断时的优缺点。主要结果包括:基于传统的假设检验提供的p值进行推断时,推断结果具有较大的误导性,只能获得一个"二元结果":显著或不显著,同时还面临着"I型误差"和"II型误差"带来的干扰。置信区间的添加可以对p值进行一定的补充,但并不能对研究结果推断提供实质性的、进一步的信息。通过加入一个"最小有意义阈值",数据级数推断方法能给出一个"三元结果":有意义正差异/相关、有意义负差异/相关和无意义微小差异/相关,并基于置信区间推算出总体值落在每一个结果区域的可能性,从而能让定量研究结果的推论更加丰富和准确,同时大大降低I型误差率和II型误差率,减少发表偏倚。     

对小波图像去噪方法的探讨

小波图像去噪方法已广泛应用于图像去噪领域．在对日前小波图像去噪文献进行综合的基础上，描述了信号奇异性，并阐述了三种基于小波阈值去噪的方法，最后对小波去噪方法进行了一些展望．