应用不同光谱技术,动物RBC,Hb及人皮肤表面血流氧化-还原状态检测

目的:检测与分析实验动物血液RBC(RBC·O2,RBC·CO2),Hb(HbO2,HbCO2)和人体皮肤表面流动血液氧化·还原状态的成像与未成像可见光谱领域OD值特征,并为该技术对白癜风病表皮黑色素颗粒检测中的应用尊定基础。方法:利用不同光谱技术和invitro和invivo检测手段,统计分析血液不同状态下波长与位置的OD值信息。结果:invitro检测:动物血液Hb·O2和RBC·O2两者在可见领域均有367,414(Soret带)nm与541,576(Q带)nm的吸收峰位;血液Hb·CO2和RBC·CO2均有432(Soret带)与和553(Q带)nm的波长吸收峰位;血液RBC状态和Hb溶血状态波长吸收峰位无改变,只是在氧化与还原状态下有完全独立的吸收峰位,血液RBC状态和Hb溶血状态波长吸光度OD值之间,有显著性差异(p<0·01)。浓度为1·5×107cell·mL-1的RBC·O2和Hb·O2在576nm的吸收峰位吸光度(y)与红细胞浓度(x)做成两条回归曲线:既,Hb·O2(b1)^y=0·05 0·983x;RBC·O2(b2)y^=0·127 1·934x,两者之间差异有显著性(p<0·01)。invivo检测:在人手背皮肤表面ImSpector图像中RBC·O2状态在540,576nm,RBC·CO2状态在555和755nm处有吸收峰。选择(a:指甲,b:指,c:手背)三个点位分别进行波长检测,每点(n=10)545nm吸收峰的平均OD值,依次为0·83±0·001,0·73±0·001和0·62±0·001,其三处测定点的OD值之间有显著性差异(p<0·01)。结论:invitro检测的RBC与Hb两者波长吸收峰位不变,但吸光度OD值不同,认为RBC状态测定结果更接近于活体组织血管内原始状态。invivo检测对人体无任何侵袭与损伤,灵敏度高,测试时间短,并且同时获得被测样品的波长与位置信息画面等优势,有望表皮中黑素等有色颗粒的直接检测。     

基于卷积神经网络的图像分类研究与应用

现阶段在开展目标检测工作时,当需要更换检测目标时就需要完成卷积神经网络的重新训练,导致在更换检测目标时投入更多的训练成本,花费更多的时间,降低了目标检测的准确率和效率。针对这种问题,提出了准确划分检测目标各个检测状态的种类,对输入的图像实时使用卷积神经网络图像分类模型完成图像分类,借助图像分类类别来完成检测目标状态判定。测试表明,这种方法能够满足检测目标快速更换的要求,能够极大提高检测目标的准确性,同时也在很大程度上降低了训练成本。     

基于混合分类的插电式新能源汽车行为需求预测

针对新能源汽车行为和充电需求的不确定性问题,提出了结合无监督聚类和有监督深度学习分类器的混合分类方法,以发掘汽车行驶数据中隐藏的行驶模式;提出基于深度长短期记忆网络的需求预测方法,以预测新能源汽车的需求。基于预测结果,提出了基于成本优化的投标模型,以降低新能源汽车充电成本。结合真实的数据集,使用实验评估所提出方法的有效性。实验结果表明,提出的方法在预测新能源汽车需求方面具有出色的表现。     

基于深度学习的显微镜下岩石薄片识别

偏光显微镜下的岩石薄片识别,不仅在分析和鉴定岩石结构和矿物成分中具有至关重要的作用,而且在矿产资源勘探（尤其是固体金属矿产资源勘探）中同样发挥着不可估量的作用。目前,显微镜下对岩石薄片的观察主要依靠专业人员的肉眼来识别岩石薄片中的矿物成分,费时耗力。为此,针对偏光显微镜下岩石数据样本的特征,构建一种基于ResNeXt技术的岩石薄片识别与分类模型,借助该模型分析岩石薄片可大大节约人力成本和时间成本。     

基于ERNIE-SA-DPCNN的文本分类研究——以涉网新型犯罪案件文本为例

近年来自然语言处理领域发展迅猛,文本分类任务作为其中的基本任务出现了重大突破,但并未辐射到公安工作实务之中。目前文本分类领域以采用基于统计和概率的模型为主,但是相比于使用大量语料训练的预训练模型,其分类效果并不理想。文章采取预训练ERNIE作为特征提取模型,并以SA-Net结合ERNIE模型中的注意力机制,最后以DPCNN作为深度学习网络形成ERNIE-SA-DPCNN算法。实验证明,ERNIE-SA-DPCNN在涉网新型犯罪案件案情文本分类任务上的表现优于其他模型。     

一种基于随机森林的主机安全检测方法研究

目前主机在人们的工作和生活中起着重要作用,网络安全问题愈演愈烈,因此对网络中的主机进行安全检测变得十分迫切。文中用随机森林进行分类,使用训练集构建多组基本的分类模型,然后根据分类模型的投票结果判断主机是否安全。随机森林在分类模型中具有其先天优势,作为一种非线性分类方法其对异常值和噪声具有更好的容忍度。仿真实验结果表明,此检测模型与传统检测模型相比提高了分类精度。     

一款智能分类回收晾衣架设计研究

通过对家居智能化发展进行研究,我们设计了一种可以根据天气情况智能回收衣物,以及可分类干湿衣物的智能分类回收晾衣架。利用传感器的应用技术与丝杆导轨相结合,单片机在收到传感器发出的信号后实现衣物自动收回和送出,从而可根据天气条件实现衣物的自动晾晒。因此,该智能分类回收晾衣系统的主要功能和作用是可以根据天气、环境状况和衣服干湿程度进行自动回收,提高衣服的晾晒速度,减少人们判断衣服干湿的时间和被雨水淋湿的烦恼。     

基于GRW和FastText模型的电信用户投诉文本分类应用

随着神经网络的广泛应用,将神经网络应用到自然语言处理文本分类问题中,成为一种有效的解决方法。电信运营商客户服务中心通过多种渠道收集用户投诉信息,为了对投诉文本信息进行自动分类并将其落实到具体责任部门,提升用户感知,提出了一种基于GRW模型和FastText模型的文本分类方法。首先通过GRW模型对投诉文本进行特征选择,提取有效特征词;然后构建基于FastText模型的用户投诉文本分类方法;最后在公开数据集和运营商已标注的投诉文本数据集上进行实验。结果表明,基于GRW和FastText模型的文本分类方法比朴素贝叶斯、双向LSTM和Bert模型在准确率、Kappa系数及汉明损失方面的性能有较大提升。     

基于高光谱成像的核桃仁品质检测与分类方法

采用光谱与图像相结合,实现了核桃仁蛋白质和脂肪含量预测及基于完整度和色泽的核桃仁外观品质分级。选用新疆"温185"核桃仁,采集了862.9～1704.02 nm和382.19～1026.66 nm范围高光谱图像。采用多元散射校正(MSE)和标准正态化(SNV)方法进行预处理后,通过竞争性自适应重加权采样算法与相关系数法,对核桃仁样品的蛋白质含量、脂肪含量、总色差3个参数进行了特征波段筛选。通过偏最小二乘回归(PLSR)算法建立了全光谱波段与特征光谱波段的蛋白质和脂肪含量预测模型,与全光谱波段相比,蛋白质含量特征波段预测模型的验证集决定系数(R²)由0.66增长到0.91,均方根误差(RMSEP)由1.37%下降到0.78%;脂肪含量特征波段预测模型的验证集R²由0.83增长到0.93, RMSEP由0.98%下降到0.47%。在外观品质方面,采用全光谱波段、RGB光谱波段、总色差特征光谱波段为输入,采用决策树、K近邻和支持向量机算法建立了核桃仁外观品质分类模型。通过对比发现,采用总色差特征波段建模,可大幅减低冗余信息的干扰,同时分类准确率也高...     

基于高斯函数的改进KNN分类算法研究

KNN算法在数据处理,文本分类等方面都有着广泛的应用;本文提出了一种基于高斯函数权重分配的改进KNN算法(G-KNN)分类模型,并对该模型进行了理论推导和数学分析.分析了权重参数c和k值对分类性能的影响以及最优值的选取,并分别采用地中海数据和一组UCI公开数据对该算法进行了仿真验证.结果表明,改进算法的性能优于传统KN...