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.     

豆腐水混凝土减水剂

豆腐水是制作豆腐时的废水,它是一种较好的混凝土减水剂。为探索豆腐水减水剂对混凝土性能的影响,我们进行了试验。一、豆腐水对水泥净浆凝结时间的影响按水泥凝结时间测定方法测定豆腐水对水泥凝结时间的影响,试验结果见表1。     

新型粗轧高压水除鳞机

简要介绍在板坯厚度变化较大的热轧中板和宽厚板生产线中,新型高压水除鳞机的结构及特点。     

海德格尔的救赎之旅

海德格尔认为人只有追问在,才能致力于领会在。本文将从海德格尔对“此在”这个问题的分析出发,讨论他的“烦”“畏”“死”三个哲学概念,并由此清理出他对沉沦人生的解决方式。     

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。     

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。     

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。     

改进的全卷积神经网络的脑肿瘤图像分割

针对现有机器学习算法分割脑肿瘤图像精度不高的问题,提出一种基于改进的全卷积神经网络的脑肿瘤图像分割算法。算法首先将FLAIR、T2和T1C三种模态的MR脑肿瘤图像进行灰度归一化,随后利用灰度图像融合技术得到肿瘤信息更加全面的预处理图像;然后采用融合三次脑肿瘤特征信息的改进全卷积神经网络对预处理图像进行粗分割,并且在每个卷积层后加入批量正则化层以加快网络训练的收敛速度,提高训练模型精度;最后融合全连接条件随机场细化粗分割结果中的脑肿瘤边界。实验结果表明,相较于传统的卷积神经网络脑肿瘤图像分割算法,本算法在分割精度和稳定性上有了较大提升,平均Dice可达91.29%,实时性较好,利用训练模型平均1s内可完成单张脑肿瘤图像的分割。      

基于序列时延相关性的PRI变换改进算法

针对PRI变换法面对参差PRI形式信号分选效果不佳的问题,提出了一种基于序列时延相关性的PRI变换改进算法。在PRI变换法的基础上引入脉冲序列时延自相关,通过分析定义的自相关函数产生的峰值谱线,确定参差PRI序列的骨架周期,并将分析结果引入PRI谱线图中配合分选。最终完成对所有信号的分选。该算法结构简单,既保留了PRI变换法自身抑制谐波以及分选复杂形式PRI信号的优势,又能对参差PRI序列有效地检测分选算法,仿真实验验证了算法的实用性。