简介：

简介：随着“互联网＋”概念的普及,网络上的资源随之成倍增长.面对庞大的数据资源,传统的搜索引擎Baidu、Google等已经不能满足人们对于特定信息的获取需求.作为搜索引擎抓取数据的重要组成部分,网络爬虫的作用非常重要.本文主要介绍了网络爬虫的概念、组成模块以及工作流程,在通用爬虫的基础上提出一种聚焦型网络爬虫系统,以python和相应的第三方库为主要工具,通过定义采集函数和给定豆瓣网最新上映电影的网址,快速搜索该网址某电影的影评信息,对页面内链接和外链接进行有效爬取.然后,再对获取到的数据进行分词处理,根据关键词的出现频率生成词云.实验结果表明,该聚焦型爬虫系统能够将所有影评信息以JSON格式存储到本地,并通过词云直观的展示出来.

简介：行人检测在智能监控、自动驾驶、辅助驾驶、智能机器人等研究领域有着广泛的应用.传统的行人检测方法大多使用滑动窗口遍历图片的方式,导致计算量大,检测速度受到限制.目前基于深度学习的行人检测方法进入了一个快速的发展阶段,但是还存在例如小尺寸行人漏检等很多问题.现提出基于卷积神经网络的多尺度行人检测方法,分析了增加检测层、并联卷积层与改变卷积核尺寸对行人检测性能的影响.在KITTI数据集上的实验结果表明,该方法可以实现较好的行人检测效果.

简介：软件定义网络（SDN）将数据层与控制层相分离，是一种新型网络体系架构．针对目前SDN网络还不能提供路由服务问题，设计了一种基于OpenFlow技术，使得SDN网络拥有路由转发功能的方案．依托RouteFlow平台，以内核虚拟化技术为基础，以Quagga软件为路由引擎，通过OpenFlow控制器为数据平面提供路由逻辑控制策略．实验结果表明，该方案不仅让SDN网络具有了路由转发功能，还能使系统保持较好的稳定性．

简介：针对在不同的摄像头场景下,光线、摄像头参数的差异较大使得行人重识别困难的问题,提出一种基于距离度量学习的方法进行行人重识别.该方法首先为每一对摄像头学习一个距离度量模型.其次,根据上述因素的影响强度为这些度量模型赋予相应的权值.最后,对度量模型与其相应权值的乘积进行累加与优化,得到最终的距离度量模型.经过在两个公共数据集中进行行人重识别实验,其结果显示所提出的方法能够提高行人重识别的正确率.

简介：行人重识别在视频监控领域是一个非常具有挑战性的问题,不同的摄像头位置角度、光照等因素会使同一行人的图像差异较大.文章提出一种DGD（DomainGuidedDropout）卷积神经网络（CNN）与样本相对距离结合的行人重识别算法：首先,通过卷积神经网络来提取来自多个域的数据中具有一般性及鲁棒性的特征;其次,通过计算各个特征样本之间的相对距离来筛选出更具有一般性及鲁棒性的特征;最后,比较筛选出的特征间的欧氏距离进行重识别.实验结果表明,该算法能够提高行人重识别的效率.

简介：单隐层前向神经网络的学习能力是有限的.特别地,作为分类器,单隐层前向神经网络对于图像的复杂信息和不同图像之间的细节信息很难学习和处理.文章借鉴深度神经网络的思想,将单隐层矩阵输入的神经网络拓展到多隐层神经网络,并采用传统的反向传播算法对其训练并给出学习算法.通过多个数据库的实验对比,结果显示所提出的算法具有良好的效果.

简介：绘画作品的数字化对有效使用绘画资源具有重要意义，传统图像分类方法并未考虑绘画作品主观特性，且大部分特征需要人工提取，存在细节特征丢失等问题．在此提出基于卷积神经网络的绘画图像分类方法，分析了卷积核大小、卷积神经网络结构宽度、训练样本数量对分类结果的影响，以优化网络结构和参数．实验结果表明，该方法对绘画图像分类的有效性，在不同绘画图像数据集的分类实验上也得到了较好的分类结果．

简介：人群分析在模式识别和机器学习领域内是一个非常有趣的课题.人群小群体成员之间的主从关系检测为视频监控和计算机视觉领域打开了新的视野.同时,小群体主导者的检测也是人群分析的重要组成部分.文章提出一种结构化SVM的学习框架,并结合行人的时间滞后分析特征和行人位置关系特征对小群体主导者进行预测.实验结果表明,本方法在人群分析数据集下取得了很好识别效果.

简介：人脸关键点定位是计算机视觉的一部分,在人脸识别、人脸表情识别、人脸动作捕捉等工作中有重要的作用.非约束条件下人脸关键点定位,其难点在于人脸关键点位置在复杂环境下呈现非线性变化,影响人脸关键点定位的精准性.现提出基于级联卷积神经网络的人脸关键点定位方法,分析了级联深度模型全局回归阶段多尺度特征融合对人脸关键点定位的影响;同时提出了一种具有可学习参数的人脸关键点定位损失函数.经过大量实验表明,这里提出的人脸关键点定位算法能够有效的提高针对非约束条件下人脸关键点定位精确度.

简介：目的：初步判断了风柜斗草中主要化学成分的类型。方法：采用中药化学成分系统预试验等方法，对风柜斗草的水提取液、乙醇提取液及石油醚提取液进行分析研究，通过沉淀反应、颜色反应及薄层色谱法进行分析鉴别。结果：风柜斗草含有多糖类、氨基酸类、酚类、黄酮类、有机酸以及甾体皂苷等成分。结论：通过对风柜斗草化学成分分析，将为进一步确定其活性部位，开发利用风柜斗草提供实验依据。

简介：在此提出一种改进的深度卷积神经网络模型,该模型通过增加并联卷积层,拓展卷积神经网络宽度实现,有利于提取图像特征,提高网络性能;卷积层中对特征图像采用批量归一化方法进行预处理,加快网络训练.实验结果表明,该模型能更准确地学习宫颈癌细胞图像特征,从而有效降低了分类错误率.

简介：针对深度信念网络无法科学有效地确定网络模型深度和隐层神经元数目等问题，根据贪心算法思想，提出了一种动态构建深度信念网络模型的新方法.即从底层逐层构建深度信念网络的过程中，根据验证集错误分类率调整当前层神经元数目，使当前模型达到最优后，固定当前层神经数目，网络深度增加一层；继续调整下一层神经元数目，直至整个模型构建完成.最后，根据重构误差微调各层神经元数目.结果表明，与依据重构误差构建的深度信念模型相比，利用此方法构建的深度信念网络模型的分类准确率更高.

简介：基于酸性条件下，氢化可的松对高锰酸钾-亚硫酸钠体系发光反应具有明显的增敏作用，本文研究建立了顺序注射化学发光测定氢化可的松含量的分析新方法。在优化的实验条件下，氢化可的松的质量浓度在1．0×10^-9～1．0×10^-6g／mL范围内与发光强度呈良好的线性关系，检出限（3σ）为5．6×10^-1g／mL。对浓度为5×10^-8g/mL氢化可的松进行11次平行测定，其相对标准偏差为1．99％。经实验，本体系具有快速、准确、简便、试剂消耗少、灵敏度高、线性范围宽等特点，应用于注射液中氢化可的松含量的测定，结果与标准方法一致。

简介：传统的深度信念网络模型缺乏并行有效的算法来确定网络层数以及隐藏层神经元的数目,实验时大多依据经验来选取,这样做不仅使得模型训练困难,且范化能力差,影响实验结果.针对此问题,通过比较重构误差和验证集错误分类率的乘积（加权误差）大小来选取网络层数,网络层数确定后,再根据重构误差使用渐增法或二分法来选择合适的隐层神经元数目,以使整个模型达到最优.实验结果表明,用上述方法确定模型网络层数及隐藏层神经元数目,能有效提高模型分类或预测的精度.

简介：根据Q235钢在海南地区第2年的土壤腐蚀试验结果,以及对各试验站土壤化学成分的分析,采用逐步回归的统计分析方法,讨论土壤化学成分与Q235钢腐蚀失重的相关关系.结果表明,土壤中的Ca2+和全氮量与Q235钢的腐蚀失重有较好的相关性,是Q235钢腐蚀的主要影响因素.

简介：本文利用金霉素对KMnO4-Na2SO3化学发光体系的发光有增敏的作用，结合流动注射技术，建立了流动注射化学发光法测定金霉素的新方法。在最佳条件下，金霉素溶液的浓度在2．0×10^-7～5．0×10^-5mol/L范围内与化学发光强度呈良好的线性关系。该方法的检测限（S／N=3）为1．0×10^-8mol／L。对实际样品进行回收实验，回收率在98％-103％间。结果表明该方法适合对金霉素的测定。并对可能的发光机理进行了初步的探讨。

简介：采用循环伏安法研究三氯生在石墨烯修饰电极上的电化学行为及建立对其含量测定的电化学分析方法。在pH7．0PBS缓冲液中，氧化峰电流与三氯生的浓度在（2．0×10^-8～1．2×10^-7）mol／L范围内呈良好的线性关系，检测限为3．0×10^-9mol／L。已用于实际样品中三氯生含量的直接测定。该方法灵敏度高、检测范围宽，结果令人满意。

简介：深度学习是人工智能领域发展的一个不可或缺的部分,并且广泛应用于图像识别方面.为了进一步降低宫颈癌细胞图像的识别错误率,本文提出了一种基于卷积神经网络的改进算法.该算法通过搭建卷积神经网络框架,对下采样过程中特征提取阶段的池化模型进行改进,在下采样过程中对池化域内的每个元素分配合适的权值得到下采样特征图.实验结果表明,我们所提出的基于卷积神经网络的改进算法降低了对宫颈癌细胞图像的识别错误率.

简介：本文提出了一种以重铬酸钾为氧化剂,以硝酸银和硝酸铋为掩蔽剂消除氯离子干扰,测定化学耗氧量的新方法,并研究了消化过程中的各种条件,如硫酸浓度、消化时间等.采用硝酸银和硝酸铋联合掩蔽剂可以取代标准重铬酸钾法测定(COD)中使用的硫酸汞,从而避免汞对环境的污染,并使用这种新方法测定了多种类型的水样.结果表明,本法操作简便、快速灵敏、准确度高,并具有广泛的适应性.