MFDC-Net：一种融合多尺度特征和注意力机制的乳腺癌病理图像分类算法

乳腺癌是全球最常见的恶性肿瘤之一，采用传统方法诊断需花费大量时间和精力，且受个人能力影响较大。用计算机辅助诊断的方法，可以提高病理图像分类的准确率和效率，从而满足临床应用的需求。为此，提出一种基于DenseNet的融合多尺度特征和注意力机制的乳腺癌病理图像分类算法（MFDC-Net）。在密集块中引入坐标注意力机制，精准定位重要特征的空间信息。采用多尺度池化过渡层，通过不同卷积核的平均池化和普通卷积，在实现降维的同时扩大感受野。采用多尺度特征增强模块，融合深层次图像特征，提高分类性能。结果显示，MFDC-Net模型的分类性能较其他经典模型更优，分类准确率达97.12%，易混淆率低至3.34%，能较好地进行乳腺癌组织病理图像分类，为诊断和治疗提供重要依据。     

Q(61/2)上的定幺模格的分类

利用推广的邻格方法,完成了Q(6^1/2)上秩4的在一个阿基米德除子上正定,在另一阿基米德除子上负定的所有幺模格种的分类.     

关于AHP中群体决策逆判问题的研究

用统计分析法及模糊分析及对AHP中评判专家的评判（即逆判）问题进行了研究，对评判专家的评判水平给出了排序及分类的方法，并通过示例验证了该方法的可行性。     

关于逆紧全纯映射刚性的一个注记

本文对某类广义Hartogs三角形上的逆紧全纯自映射证明了刚性定理,即逆紧全纯自映射必定为全纯自同构．同时完全刻画了其全纯自同构群,并且给出了关于其全纯自同构以及两个这类域之间逆紧全纯映射的分类。     

Abe-Iiyori猜想和Ree群2F4(q)(Ⅱ)

就一类单群2F4(q)和2F4(2)'证明了Abe-Iiyori猜想.     

An Equivariant Version of the K-energy

In this note, we present a connection between equivariant Bott-Chern classes and KahlerRicci solitons. We also propose a generalized version the of the K-energy.     

Pi-Sigma神经网络在实时底质分类中的应用

本文基于Pi-Sigma神经网络,设计了一种针对水声回波信号的实时底质分类器,它具有运算快速、正确率高的特点,在海试中实现了实时底质分类,取得良好的分类结果。     

对称性,对称性破缺和相变

本文将扼要介绍物理学中对称性的分类及其特征，说明对称性破缺与一物理系统从无序到有序的相变过程间的关系，并讨论了对称性破缺出现的前提。     

径向基函数神经网络在股票走势模式分类中的应用

探讨了径向基函数神经网络在个股走势模式分类中的应用问题。提出了一种可调基宽度的计算方法和若干数据预处理的措施。实例计算表明，该方法取得了较好的效果