量子进化算法在机器人联盟问题中的应用

量子进化算法是一种新的基于量子计算的概率搜素算法,它采用量子比特来编码染色体,采用量子门对种群进行更新进化,具有较快的收敛速度和良好的全局寻优能力。机器人联盟问题是一个复杂的组合优化问题,本文运用量子进化算法对该问题进行算法设计与应用研究,设计了一种量子变异算子,并对算法参数进行了研究。仿真实验结果验证了量子进化算法的可行性与有效性。     

CDIO工程教育模式在“Delphi程序设计”课程中的应用探讨

借鉴CDIO工程教育模式,对"Delphi程序设计"课程进行教学改革,以实际项目驱动课堂教学,开展真实工程项目设计,加强学生实训及教师自身学习。实践证明,基于CDIO模式的教学改革能够提高学生的工程实践能力,取得良好的教学效果。     

基于SENet注意力机制和深度残差网络的腹部动脉分割

在医学诊断中,血管疾病的研究与治疗仍是影响人类健康的主要因素。由于人体腹部血管复杂且构造因人而异,这就对图像分割的研究以及临床应用带来了极大困难。所以,通过图像处理和深度学习等方法准确清晰地获取病人腹部动脉及其分支血管,在临床和术前诊断中发挥了重要作用。本文主要对腹部血管的大小灰度、构造等基础医学知识进行学习,并深入研究了现有关于血管分割算法的优缺点。为解决深度卷积神经网络性能退化的问题,增强对目标信息的关注度并对不必要的特征信息进行抑制,提出一种基于Squeeze-and-Excitation Networks（简称SENet）注意力机制和深度残差网络的血管分割算法。使用12例腹部CT数据的评估结果显示,血管分割准确率可达90.48%,灵敏度、Dice、VOE、精确率分别为0.8995、0.8783、-0.1998、0.9104。因此,相比于传统方法,本实验所提方法具有更好的分割性能。     

基于HEVC视频编码标准的并行解码策略研究

将并行化策略引入到新一代HEVC视频编码的标准中,提出一种在解码阶段的熵片中应用并行策略的算法。通过将每行最大编码单元(LCU)作为一个熵片来编码视频,以波阵面并行的方式解码多行LCU。算法在配置为12 Intel Xeon Cores、3.3 GHz的PC机上进行了评估测试。其结果显示,在视频分辨率为1 920×1 080 p(53.1 fps)和2 560×1 600(29.5 fps)引入并行化策略后的执行速度与采用顺序执行时的执行速度相比较有了显著的提高,并且能够达到很好的实时性效果。     

一种基于云模型的自适应蚁群算法

针对蚁群算法在解决大规模优化问题中易陷入局部最优及收敛速度慢等缺陷,提出了一种基于云模型的自适应蚁群算法。通过对信息素分布状况进行评价,自适应地调整云模型中各参数,并根据云模型参数,确定全局最优及次优路径,进行全局信息素更新,以改善算法的全局搜索能力。同时,为了避免算法陷入停滞,将信息素大小限制在一个最大最小区间。仿真实验结果验证了提出的算法的高效性和稳定性。