基于深度学习的小样本中药材粉末显微图像识别

针对中药材种类繁多、数据量稀少以及难以对其导管进行分类的问题,提出一种基于多通道颜色空间与注意力机制模型的卷积神经网络改进方法。首先,采用多通道颜色空间将RGB颜色空间与其他颜色空间合并为6通道作为网络输入,使网络学习亮度、色调和饱和度等特征信息,弥补数据量的不足;其次,在网络中加入注意力机制模型,其中通道注意力模型将两个池化层紧密连接到一起,空间注意力模型将多尺度空洞卷积结合到一起,使网络将注意力聚焦于小样本中关键的特征信息。实验结果表明,针对34种中药材样本的8774张导管图像,采用多通道颜色空间和注意力机制模型的方法,与原始ResNet网络相比,准确率分别提升了1.8个百分点和3.1个百分点,将二者结合后准确率提升了4.1个百分点,说明所提方法对小样本分类的准确率有着大幅度的提升。     

机械合金化制备金属难熔化合物

在介绍机械合金化特点的同时，重点研究和讨论了机械合金化制备金属难熔化合物的过程及机理，并认为机械合金化是制备难熔化合物及其材料的一种行之有效的方法。     

C/C-SiC与HT250灰铸铁摩擦副的制动效能

采用化学气相渗透和熔硅浸渗相结合的方法制备C/C-SiC制动材料,在惯性台架试验机上对C/C-SiC与HT250灰铸铁摩擦副进行性能检测.结合材料组织结构,对制动效能与制动初速度、摩擦因数、制动压力的相关性及摩擦副摩擦机理进行分析.结果表明:恒力矩制动实验中,在制动力矩相同的条件下,摩擦因数随制动初速度增大而减小.在制...     

连杆机构在钢管矫直机进料辊道设计中的应用

矫直机进料辊道是钢管矫直工艺中必不可少的辅机设备之一。采用两个简单的连杆机构,来设计辊道升降机构和拨料翻盖机构,达到了设计要求,实现了预定功能。整个设备结构简单,各运动机构协调一致,节约了设计制造成本,提高了企业经济效益。     

滨海地区地下混凝土结构防腐设计

通过了解氯离子对混凝土的腐蚀及破坏机理,介绍滨海地区一工程中地下混凝土结构防腐做法及相关混凝土耐久性设计措施。     

非接触供电系统的应用平台研究

非接触供电系统（CPS）具有广阔的应用前景,是一种新型的电能传输技术,摆脱了传统供电方式通过导体直接接触供电的方式,通过感应电磁耦合关系向负载提供电,在物流自动化等领域具有良好的应用效果。通过对非接触供电系统的原理结构研究分析,提出了一种适用移动轨道传输的非接触供电实验平台,并研究了该实验平台的次级拾取电能机构的构造,进行了相应的非接触供电实验验证。     

HIP组播路由机制研究与实现

通过对HIP(Host Identity Protocol)协议和HIP组播模型的深入研究,提出一种新的HIP组播路由机制。新机制不改变HIP组播模型中对组播树的创建和维护方式,引入组地址变量进行路由转发,降低了原模型中路由处理的复杂度。使用Linux平台模拟HIP组播路由器并实现相关协议。理论分析和实验表明,新机制提高了HIP组播数据的传输和转发效率,降低了HIP安全组播模型中组播路由器的部署难度。     

一种病毒进化型遗传算法

本文提出一种病毒进化型遗传算法VEGA。此算法在一般遗传算法的基础上,通过对病毒个体和宿主体行为及相互关系的模拟,使进化个体的多样性大大提高,算法更易趋于全局极化。模拟实验验证了VEGA的优良性能。     

一种具有自适应机制的闪存数据库索引结构

针对闪存数据库系统索引技术中基于日志更新策略存在的检索效率低、日志空间分配不合理及合并带来的高昂更新代价等问题,提出一种具有自适应机制的索引结构LM-B+TREE。LM-B+TREE将索引的更新缓冲页映射于传统B+TREE的相应节点,并根据闪存索引的读写负载及读写代价差异,动态地分配缓冲更新区,自适应地调整索引架构。实验证明LM-B+TREE能够动态地调整索引架构来适应索引的读写负载代价,在减少索引更新代价的同时,有效地提高了索引的查询性能。     

基于注意力机制和集成学习的网页黑名单判别方法

搜索引擎作为互联网主要应用之一,能够根据用户需求从互联网资源中检索并返回有效信息。然而,得到的返回列表往往包含广告和失效网页等噪声信息,而这些信息会干扰用户的检索与查询。针对复杂的网页结构特征和丰富的语义信息,提出了一种基于注意力机制和集成学习的网页黑名单判别方法,并采用本方法构建了一种基于集成学习和注意力机制的卷积神经网络（EACNN）模型来过滤无用的网页。首先,根据网页上不同种类的HTML标签数据,构建多个基于注意力机制的卷积神经网络（CNN）基学习器;然后,采用基于网页结构特征的集成学习方法对不同基学习器的输出结果执行不同的权重计算,从而实现EACNN的构建;最后,将EACNN的输出结果作为网页内容分析结果,从而实现网页黑名单的判别。所提方法通过注意力机制来关注网页语义信息,并通过集成学习的方式引入网页结构特征。实验结果表明,与支持向量机（SVM）、K近邻（KNN）、CNN、长短期记忆（LSTM）网络、GRU、结合注意力机制的卷积神经网络（ACNN）等基线模型相比,所提模型在所构建的面向地理信息领域的判别数据集上具有最高的准确率（0.97）、召回率（0.95）和F₁分值（0.96）,验证了EACNN在网页黑名单判别工作中的优势。