为了提高渗出液病变分割的抗噪性和质量,简化渗出液分割工序及提高分割效率,提出了一种基于改进的自适应中值滤波(IAMF)的糖尿病视网膜渗出液病变分割方法.IAMF考虑将像素点(x,y)邻域中的各像素值的中值和偏置项的加权平均来替换当前像素点的灰度值,且根据噪声判定条件判断中值是否是噪声,在给定范围内自适应改变滤波器的窗口尺寸大小及窗口形状,使得滤波结果突出视网膜渗出液的形状结构,减少或消除可能的出血和其他混杂的视网膜结构.通过实验结果表明,IAMF方法通过自适应改变的窗口尺寸和形状,既兼顾降噪效果和图像细节保护的问题,又能提高图像处理速度.经过改进的自适应中值滤波器预处理后的糖尿病视网膜图像,结合自适应阈值二值化分割的渗出液轮廓清晰、完整,对不同形状、尺寸、光照条件下的渗出液病变具有鲁棒性,有效去除相机成像产生的椒盐噪声.所提出的方法简化了糖尿病视网膜渗出液分割工序、提高了分割效率.
目前,关于使用普通代码数据集自动生成或变异的研究有很多,但专门针对漏洞代码数据集自动化产生的研究还很少受到公众关注.由于漏洞代码的特殊性,现有漏洞代码的产生主要以手工编写为主,为了产生出更多的漏洞代码,采取相反的思路,不修改普通代码为漏洞代码,而是直接对现有的漏洞代码进行变异.使用代码切片表示污点数据的控制流和数据流信息,并结合Sequence-to-Sequence深度神经网络随机生成新的代码片段.对变异后的漏洞代码进行实验.结果显示,变异后代码语法正确率在71%左右,基于语法正确的变异代码的漏洞真阳性率在93%左右.将变异后的漏洞代码应用在漏洞检测技术中发现,这些漏洞代码可用于区分和测试静态漏洞检测工具,还可作为深度学习漏洞检测技术的训练样本,模型的训练结果显示添加变异的漏洞代码后所有指标均优于基线方法.
电磁超声作为一种重要的非接触式检测技术,在工业上的应用越来越广泛.随着工业的不断发展,工业板材的应用也越来越广泛,在板材检测方面,电磁超声可以通过对表面缺陷的检测和分类,提高检测效率和准确性.但是,由于工业板材尺寸的多样性,换能器的调节和匹配以及如何保证电磁超声的检测精度是一个难题.因此,设计出了一种可调节的电磁超声换能器,使其能够适应不同尺寸的板材进行检测,同时,尝试使用跑道型线圈和周期性永磁体组合在非铁磁性材料(铝板)中激发SH导波,以提高换能效率和检测精度.多跑道型线圈的设计,使其可以适应不同尺寸的工业板材,并且可以在不同的频率段内实现信号的获取,从而提高检测精度.通过Comsol Multiphysics仿真软件对EMAT进行三维有限元仿真分析,以双跑道型线圈为例.结果表明,改进型双跑道型线圈电磁超声换能器的最大磁通密度模是改进前的 4.86 倍;改进型双跑道型电磁超声换能器激发的SH导波在所选取的质点处位移场Y分量和Z分量分别是改进前的14.2倍、2.06倍,有效改善了换能器的性能,提高了检测精度和效率.
目前,图像作为人类接收信息的重要途径,发挥着重要的作用.针对暗光环境下图像清晰度低、无法识别等问题,提出了基于生成式对抗网络(generative adversial networks,GAN)的改进算法.首先,利用亮度均衡化对网络进行约束,使其产生的结果能够更加关注图像整体的亮度均衡.其次,为了提升网络的判别准确率以及加快网络收敛能力,实验选用PatchGAN作为判别器.最后,在特征提取网络之后加入融合注意力机制CBAM模块,用来提升网络的特征表达能力.实验结果表明,改进的GAN网络算法在结构相似性(structural similarity index measure,SSIM)及峰值信噪比(peak signal-to-noise ratio,PSNR)指标上较Enlighten GAN分别提升了 7.4%和 10.6%,可见改进算法能够有效地提升图像的亮度均衡和对比度.
产学合作(UIC)对于企业来说是快速实现技术创新的一种有效模式,但受限于信息的不对称和需求的模糊性,当前产学合作机会伙伴选择效率不高.首先,基于领域主题和动态的高校产学合作专家画像,构建了融合产学合作偏好与企业产学合作关系图谱知识的产学合作推荐模型UICR.然后,以"人工智能AI"领域技术企业的业务领域为关键词抽取CNKI近三年的专利数据进行特征抽取和算法建模.最后,对比学术推荐领域常用的推荐算法验证模型的性能.所提出的知识融合产学合作推荐模型在精确率Precision@N、召回率Recall@N和F1-score@N指标上均有显著提升,证明了UICR在产学合作机会识别和伙伴选择中具有更高的实用价值,扩展和深化了当前产学合作推荐的相关研究.
