公共文化服务平台

基于SpringMVC和Hibernate的企业人事管理系统被引量：8: 2016年; 办公自动化是我国企业人事管理的未来趋势,该研究基于spring MVC和hibernate框架实现了企业人事管理系统的设计和运用。针对Web应用在单一框架上进行构建存在着的扩展性差等问题,本研究通过采用Spring MVC和hibernate的框架整合技术帮企业提高生产效率。并在系统中建设保证企业数据的安全性,使之更合理地制定相关的人事信息。; 郑洁钱育蓉范迎迎; 关键词：人事管理系统 SPRINGMVC HIBERNATE 安全性扩展性

基于内存云的数据存储优化策略: 2018年; 为了解决数据在内存云(RAMCloud)存储过程中易丢失的问题,采用重复数据覆盖删除的思想,在前人的基础上提出了基于内存云的数据存储优化策略(data storage optimization strategy,DSOS)。首先,确定内存云数据的存储处理的情况,并建立相关的数据副本模型;其次,对系统中的重复数据建立数据指纹索引查找到重复的数据;最后,通过布隆过滤器将内存云中的重复数据过滤,从而实现了内存云数据处理存储的优化。实验结果表明,在20台普通PC机搭建的内存云集群中,实施数据存储优化策略的系统比原系统在存储处理数据时提高了0.5%,此外,提出的数据存储优化策略在不影响系统性能的前提下,还有效节约了系统在存储处理数据时的内存空间,并且提高了存储效率。; 张猛钱育蓉蒲勇霖范迎迎杜娇; 关键词：大数据数据副本布隆过滤器

基于WRF数值模式的DBN风速预测模型研究被引量：1: 2018年; 为提高天气研究和预报(Weather Research and Forecasting,WRF)数值模式风速预报的准确度,引入深度置信网络(Deep Belief Nets,DBN),构建了基于WRF数值模型的DBN风速预测模型。利用WRF数值模式进行风速预报,将预报结果与70m高的测风塔实际数据作为网络的输入对深度信念网络进行逐层训练,在Matlab平台上建立DBN风速预测模型并进行仿真。经验证:基于WRF数值模式的DBN风速预测模型的相对均方根误差为11.03%,比支持向量机(Support Vector Machine,SVM)预测模型降低了4.41%。实验结果表明:该模型能很好地预测风速并且得到了较高的预测精度。; 马婉贞钱育蓉范迎迎; 关键词：风速预测

基于Transformer的多分支单图像去雨方法被引量：5: 2022年; 雨纹会严重降低拍摄图像的质量,影响后续计算机视觉任务。为了提高雨天图像的质量,提出了一种基于Transformer的单图像去雨算法。首先,该算法通过具有窗口机制的Transformer获得大范围的感受野,进而获取雨纹特征的上下文信息,提高模型提取雨纹特征的能力;其次,该算法通过多分支模块提取和融合不同种类、不同层次的特征,提高模型对复杂雨纹信息的表征能力;最后,通过残差连接融合浅层特征和深层特征,补全深层特征中缺失的细节信息,增强网络表达能力。在公开数据集Rain100L、Rain100H和私有数据集Rain3000上的实验结果表明,该方法相较于现有算法,能更有效地去除雨纹,同时更好地恢复图像中丢失的背景纹理信息。峰值信噪比和结构相似度(PSNR/SSIM)分别达到38.33/0.9855、28.42/0.9000、34.51/0.9643。; 谭富祥钱育蓉孔钰婷张昊周大新范迎迎范迎迎; 关键词：TRANSFORMER

像素分割联合深度双分支模型辅助诊断新冠CT图像: 2023年; 基于医学肺部影像开发智能诊断新冠肺炎的深度学习方法能够减轻大量医护人员的工作,且能够提供可靠的准确性,然而深度学习方法的高准确性通常依赖于数据样本的质量.在自然界存在的医学图像数据的来源和处理过程并不单一,数据样本差异性较大和质量不佳会增大深度学习模型提取关键特征的难度,有效的数据预处理和合适的模型设计十分关键.基于肺部CT图像,本论文提出一种像素分割联合双分支模型ReSWNet辅助诊断新冠肺炎感染.该方法首先训练像素分割模型进行分割预处理,实现肺部CT图像无关背景的剔除,然后通过结合了卷积神经网络和自注意力模型优缺点的双分支模型进行肺炎诊断.通过在COVID-CT数据集上对该方法进行验证表明,在诊断准确率、召回率和F1分数等性能指标方面,该方法较基线模型分别提高了8.6%、16.05以及7.71%,最后采用可视化结果热力图为诊断提供了可解释性.; 杜臻宇帕力旦·吐尔逊范迎迎许春陶钱育蓉; 关键词：医学图像分类胸部CT

基于改进的LeNet-5卷积神经网络交通标志的识别被引量：6: 2020年; 针对目前现有交通标志识别算法耗时长、识别率低等问题,提出了一种改进的LeNet-5卷积神经网络模型(Improved LeNet-5 Convolutional Neural Network,ILN-CNN).首先,对原有的LeNet-5卷积神经网络模型构造2个相对独立的不同卷积核的子卷积网络,用于加快特征提取;其次,增加子网络中卷积核的个数,以增强网络区分不同交通标志的能力;最后,添加激活函数ReLU,增加Dropout层,以达到加快函数收敛,避免CNN过度拟合,降低神经元间互适应的效果.实验结果表明:与传统的系统结构相比,ILN-CNN对交通标志的识别准确率达到93.558%;比BP神经网络模型、支持向量机分类算法分别提高了12.206%和4.018%,并且在识别时间上具有一定的优势.; 张猛钱育蓉杜娇范迎迎; 关键词：交通标志识别卷积神经网络

基于BP神经网络的遥感影像棉花识别方法被引量：14: 2017年; 为提高遥感影像棉花识别的精度,提出一种基于反向传播(back propagation,BP)神经网络算法的棉花识别方法。利用单时相GF-1号和Ladsat8遥感数据,结合归一化植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、红波段亮度值(B3)和近红外波段亮度值(B4)等特征指数,依据野外GPS实测数据选择训练样本,通过不同的特征组合对BP神经网络进行训练。验证结果表明,该识别方法精度达到98.32%,较最大似然法和最小距离法分别提高8.27%和5.53%。实验结果表明,所提方法能够有效地提高棉花识别精度并简化识别过程。; 范迎迎钱育蓉杨柳黄震; 关键词：遥感影像 BP神经网络植被指数

基于特征整合的卷积神经网络草地分类算法被引量：7: 2019年; 为提高遥感影像草地分类的精度,分析了卷积神经网络中提取图像特征的特点,提出了一种基于特征整合深度神经网络的遥感影像特征提取算法。首先,将遥感影像数据进行PCA白化处理,降低数据之间的相关性,加快神经网络学习的速率;其次,将从卷积神经网络中提取到的浅层特征和深层特征进行双线性整合,使得整合后的新特征更加完善和优化;最后,对遥感数据进行训练,由于新特征中有效信息的增加,使得特征表达能力得到提高,达到提高草地分类准确率的目的。实验结果表明:该算法能够有效地提高草地分类的准确率,分类精度达到94.65%,相较于卷积神经网络、BP神经网络和基于SVM的分类算法分别提高了4.3%、10.39%和15.33%。; 张猛钱育蓉杜娇范迎迎; 关键词：遥感影像卷积神经网络

卷积神经网络在遥感影像中草地分类的应用被引量：2: 2019年; 为了提高遥感影像草地分类的精度,对卷积神经网络模型在遥感影像草地分类中的应用进行研究,提出一种基于主成分分析(PCA)白化的卷积神经网络草地遥感分类网络结构.通过对遥感影像数据进行PCA白化处理,能有效地降低数据之间的相关性,加快神经网络学习速率,加强特征学习的能力.在此基础上对采样层进行随机池化操作,提高了网络分类的泛化能力,达到提高草地分类准确率的目的.实验结果表明:该算法能够有效地提高草地分类的准确率,分类精度达到94.65%,比传统卷积神经网络、BP神经网络和SVM分类算法分别提高4.3%,10.39%和15.33%.; 张猛钱育蓉杜娇范迎迎; 关键词：遥感影像卷积神经网络

Spark下遥感大数据特征提取的加速策略被引量：7: 2017年; 提出一种基于Spark分布式内存计算框架的遥感大数据特征提取策略。采用Landsat8为数据源,以计算归一化植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)为例开展实验。实验结果表明,在相同硬件环境、处理任务、数据量的条件下,Spark处理遥感大数据的速度较单机模式下的处理遥感大数据提升了约2倍,基于Hadoop分布式文件系统(HDFS)处理模式较Spark-standalone处理模式处理速度提升了约1.2倍,基于Spark下的HDFS存储模式下,栅格切分遥感大数据较非栅格切分处理速度提高了约1.5倍。; 黄震钱育蓉范迎迎杜娇; 关键词：HADOOP分布式文件系统

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

范迎迎

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

范迎迎

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈