小型燃气轮机热电联供系统性能计算和分析

基于热力学第一、第二定律和化学燃烧理想配比，提出小型燃气轮机热电联供系统性能参数的计算和分析方法，围绕装置循环效率、燃料利用效率和第二定律效率，对压气机压比、透平进口温度、工艺物流压力和窄点温差等重要参数对性能的影响等方面进行计算分析。用200kW燃气轮机系统进行案例分析，提出了小型CHP系统合理设计的实用可行方法和参考数据。     

谈大型LED显示屏的色度处理技术

色度处理技术是大型LED显示屏的图像显示质量的重要影响因素。因此,如何运用好色度处理技术来调节大型LED显示屏的图像,使其色彩更为自然、更为丰富,这逐渐成为我们关注的焦点。色度处理技术主要包括五种处理方法,即基色波长的选择、白场色坐标的调配、色度均匀性处理、色彩还原处理、3+2多基色色度处理等,本文将详细阐述这五种色度处理技术。     

淀粉纳米颗粒的高效制备及吸附性能

以木薯淀粉为原料,在微波和超声波双外场的作用下采用沉淀法制备淀粉纳米颗粒(starch nanoparticles,SNPs)。通过动态光散射仪(dynamic light scattering,DLS)、场发射扫描电镜(scanning electronic microscope,SEM)、原子力显微镜(atomic force microscope,AFM)、比表面积分析仪(Brunner-Emmet-Teller,BET)对SNPs进行表征,考察了SNPs对番红花红T的吸附机理,进一步考察了时间、吸附剂的投加量、粒径对吸附的影响。结果表明:SNPs具有较好的球形形貌,是V型淀粉晶体结构,Zeta电位值为-23. 7 m V,比表面积大大增加。在番红花红T的质量浓度为200 mg/L,吸附时间为60 min,温度为298. 15 K的条件下,投加20 mg平均粒径为40 nm的SNPs,吸附量可达115 mg/g。SNPs对番红花红T的吸附过程符合准二级动力学模型和Langmuir等温吸附模型。     

一种结合三重注意力机制的双路径网络胸片疾病分类方法

近年来,利用CNN进行医学图像处理,在胸片疾病分类任务中取得显著研究进展。然而,与单一结构CNN相比,双路径网络可结合不同CNN特点,从而提高疾病分类能力。其次,对于不同疾病,其位置、大小、形态、密度、纹理等特征均有不同,而注意力机制有助于模型提取不同病理特征,提升分类精度。因此针对胸片疾病分类问题,该文提出一种结合三重注意力机制的双路径卷积神经网络(TADPN),TADPN将ResNet和DenseNet结合的双路径网络DPN作为骨干网络,并利用3种不同形式的注意力机制改进DPN,在维持参数量稳定的同时提高网络复杂度,进而提升对胸片疾病的分类精度。在ChestXray14数据集上实验,并与目前较为先进的6种算法对比,14种疾病的平均AUC值达到0.8185,较前人提升1.1%,表明双路径CNN及三重注意力机制对胸片疾病分类的有效性及TADPN的先进性。     

组卷积轻量级脑肿瘤分割网络

目的 脑肿瘤是一种严重威胁人类健康的疾病。利用计算机辅助诊断进行脑肿瘤分割对于患者的预后和治疗具有重要的临床意义。3D卷积神经网络因具有空间特征提取充分、分割效果好等优点,广泛应用于脑肿瘤分割领域。但由于其存在显存占用量巨大、对硬件资源要求较高等问题,通常需要在网络结构中做出折衷,以牺牲精度或训练速度的方式来适应给定的内存预算。基于以上问题,提出一种轻量级分割算法。方法 使用组卷积来代替常规卷积以显著降低显存占用,并通过多纤单元与通道混合单元增强各组间信息交流。为充分利用多显卡协同计算的优势,使用跨卡同步批量归一化以缓解3D卷积神经网络因批量值过小所导致的训练效果差等问题。最后提出一种加权混合损失函数,提高分割准确性的同时加快模型收敛速度。结果 使用脑肿瘤公开数据集BraTS2018进行测试,本文算法在肿瘤整体区、肿瘤核心区和肿瘤增强区的平均Dice值分别可达90.67%、85.06%和80.41%,参数量和计算量分别为3.2 M和20.51 G,与当前脑肿瘤分割最优算法相比,其精度分别仅相差0.01%、0.96%和1.32%,但在参数量和计算量方面分别降低至对比算法的1/12和1/73。结论 本文算法通过加权混合损失函数来提高稀疏类分类错误对模型的惩罚,有效平衡不同分割难度类别的训练强度,本文算法可在保持较高精度的同时显著降低计算消耗,为临床医师进行脑肿瘤分割提供有力参考。     

考虑风险关联的项目风险应对策略选择方法

提出解决考虑风险关联的项目风险应对策略选择问题的优化方法.首先给出风险关联的定义及风险关联程度的度量方法;其次,综合考虑项目工期、质量、项目风险应对成本3个因素,构建考虑风险关联的项目风险应对策略选择优化模型,通过求解模型得到满意的风险应对策略;最后,通过算例分析验证方法的可行性和有效性.研究结果表明,风险关联对项目风险应对决策有影响,在项目管理过程中需要考虑风险之间的关联作用.     

粗糙集理论研究的新进展

首先在粗糙集特点和优点的基础上,介绍粗糙集理论的概念和理论基础,并回顾了粗糙集理论自创建以来的发展历程。接着阐述粗糙集理论的理论研究和应用研究方向。最后,分析粗糙集理论存在的不足和缺点,并指出粗糙集理论研究的发展趋势。     

红外图像预处理系统中模拟视频输出时序设计

一般图像处理系统是利用视频解码器从视频信号中直接分离出其同步和消隐脉冲,以达到系统处理同步的目的。由于本系统的模拟视频输入信号是非标准的,所以只能利用系统时钟信号作为系统同步的基准,从中获得模拟视频信号所需的同步及消隐信号,从而实现了一种红外图像预处理系统模拟视频输出的同步方案。该方案对于非标准视频图像输出显示系统的设计具有较好的借鉴意义。     

基于3D U-Net的轻量级脑肿瘤分割网络北大核心CSCD

针对现有脑肿瘤核磁共振成像(magnetic resonance imaging, MRI)分割神经网络的参数量和计算量较大且对肿瘤区域小目标分割精度不高的问题,提出一种改进的轻量级脑肿瘤分割网络MF-RES2Net(multiple fiber residual-like networks)。该网络以3D U-Net为基础架构,将多纤模块(multi-fiber, MF)和类残差模块(RES2)相结合代替传统卷积模块。MF将特征图像的通道进行混合,增加了通道间信息的交流融合;RES2将通道均分,单通道的卷积结果相加到相邻通道,在扩大图像感受野的同时保留了细节特征,同时降低网络参数量。此外,为改善数据不平衡问题,提出一种改进的加权损失函数,提高了网络对小目标的分割精度。将MF-RES2Net在BRATS 2019数据集进行验证,完整肿瘤、核心肿瘤和增强肿瘤分割的平均Dice系数分别为89.98%、84.02%、77.62%,参数量和浮点数分别为3.16 M和16.24 G,结果表明:该网络在降低参数量和计算量的同时进一步提升了分割性能,有效地降低了网络运行时的设备要求。     

基于测度学习支持向量机的钢琴乐谱难度等级识别

现有钢琴乐谱难度分类主要由人工方式完成,效率不高,而自动识别乐谱难度等级的算法对类别的拟合度较低。因此,与传统将乐谱难度等级识别归结为回归问题不同,本文直接将其建模为基于支持向量机的分类问题。并结合钢琴乐谱分类主观性强、特征之间普遍存在相关性等特点,利用测度学习理论有难度等级标签乐谱的先验知识,依据特征对难度区分的贡献度,改进高斯径向基核函数,从而提出一种测度学习支持向量机分类算法——ML-SVM算法。在9类和4类难度两个乐谱数据集上,我们将ML-SVM算法与逻辑回归,基于线性核函数、多项式核函数、高斯径向基核函数的支持向量机算法以及结合主成分分析的各个支持向量机算法进行了对比,实验结果表明我们提出算法的识别正确率优于现有算法,分别为68.74%和84.67%。所提算法有效提高了基于高斯径向基核函数支持向量机算法在本应用问题中的分类性能。