DNA进化算法及其改进研究.doc

本文针对基本量子进化算法易陷于局部最优解的缺陷，提出一种改进的量子进化算法(QEA)。并结 合乡村邮路问题，对算法进行了测试，测试结果表明，改进算法在全局寻优能力和种群多样性方面比基本量子进化算法有所改进，表明该算法是求解乡村邮路问题的一种有效的算法。

车辆安全检查表（车牌号、承运商、司机检查内容、方向盘、轮胎、刹车、灯和手刹、改进措施及整改期限）.doc

提出了一种基于改进特征金字塔的Mask R-CNN目标检测方法。实验结果表明，在目标边缘和包围盒两项检测中，相比于Mask R-CNN检测框架，所提方法在不同的交并比阈值下的平均准确率分别提高了约2.4%和3.8%。尤其对于中等尺寸目标的检测准确率有较大的提高，分别为7.7%和8.5%，具有较强的稳健性。

绝大多数视频图像在传输过程中皆要进行混合压缩编码,这种以去掉大量空间性和时间性冗余信息为手段的编码方式将导致解码发生一系列错误,急剧影响恢复后的图像质量．针对这种情况,本文提出了一种改进的基于空域错误隐藏的图像恢复算法,该算法利用已正确接收的邻近宏块的像素值,对当前宏块边缘进行综合分析,运用方向插值算法和五点插值算法计算出宏块内边缘和平坦区域的像素值,从而对直接解码恢复出的像素值进行娇正．从实验结果来看,该算法恢复出的图像质量的PSNR值和计算复杂度皆优于传统双线性插值法和五点插值法．

本文选取2015年1月至2016年3月中国部分车站的客流数据，建立了BP神经网络的铁路客流时间序列预测模型。 但由于收敛速度慢，容易陷入问题的局部最优解，建议通过遗传算法改进BP神经网络的时间序列模型，以预测铁路客流。 实验结果表明，改进的方法具有较高的预测精度和较好的非线性拟合能力。

深度学习在医学影像分割领域得到广泛应用,其中,2015 年提出的 U-Net 因其分割小目标效果较好、结构具有可扩展性,自提出以来受到广泛关注.近年来,随着医学图像割性能要求的提升,众多学者针对 U-Net 结构也在不断地改进和扩展,比如编解码器的改进、外接特征金字塔等.通过对基于 U-Net 结构改进的医学影像分割技术,从面向性能优化和面向结构改进两个方面进行总结,对相关方法进行了综述、分类和总结,并介绍图像分割中常用的损失函数、评价参数和模块,进而总结了针对不同目标改进 U-Net 结构的思路和方法,为相关研究提供了参考.

为了减小带隙基准源的温度系数和提高温度补偿的灵活性，设计了一种改进型分段线性补偿方法。利用双极型晶体管的温度非线性在整个温度区域内产生7段不同斜率的补偿电流，通过电流模形式对基准电压的高阶温度分量进行叠加，进而对带隙基准电压实现精确温度补偿。基于0.25 μm BCD工艺设计了一款低温漂高精度的带隙基准源。HSPICE仿真结果表明，在5 V电源电压下，在-40 ℃～125 ℃温度范围内，基准电压的温度系数为0.37×10-6/℃，低频时电路的电源抑制比为-85 dB。电源电压在2 V～5 V范围内，基准电压的线性调整率为0.09 mV/V。

卷 积 神 经 网 络 的 语 义 分 割 模 型 未 有 效 利 用 特 征 权 重 信 息 ，导 致 在 医 学 图 像 复 杂 场 景 中 分 割 边界出现欠分割现象。针对该问题，基于融合自适应加权聚合策略提出一种改进的 U-Net++网络，并将其 应 用 于 电 子 计 算 机 断 层 扫 描 影 像 肺 结 节 分 割 。 该 模 型 首 先 在 卷 积 神 经 网 络 中 提 取 出 不 同 深 度 特 征语义级别的信息，再结合权重聚合模块，自适应地学习各层特征的权重，然后将学习得到的权重加载到各个特征层上采样得到的分割图以得到最终的分割结果。在 LIDC 数据集和重庆大学附属肿瘤医院肺部 电 子 计 算 机 断 层 扫 描 数 据 集 上 进 行 了 分 割 实 验 ，所 提 方 法 的 交 叉 比 在 两 个 数 据 集 上 分 别 可 达 到80.59% 和 87.40%、骰子系数分别可达到 88.23% 和 90.83%。相比 U-Net 和 U-Net++方法，该算法有效提升了图像分割性能。本文方法能在肿瘤微小细节上实现精确分割 ，较好地解决了肺结节

蓝牙MAC层调度算法的改进.ppt