修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

7 条数据
?? 中文（中国） ▾

  • [IEEE 2018第八届图像处理理论、工具与应用国际会议(IPTA) - 中国西安(2018.11.7-2018.11.10)] 2018第八届图像处理理论、工具与应用国际会议(IPTA) - 基于联合深度学习与聚类算法的注射剂液体颗粒检测

    摘要： 目前，药品注射剂产品的检测是制药生产中极为重要的环节，因其直接关系到医疗产品质量。针对药品液体颗粒高分辨率检测图像中液滴像素点较小的难题，研究结合深度神经网络与聚类算法进行微小颗粒的检测定位，并提出融合单帧图像与多帧图像的处理方法来识别液体颗粒。首先采用Faster-RCNN深度神经网络对单帧图像进行检测，可获取8帧序列图像的检测结果；继而运用层次聚类与K-means聚类算法进行聚类分析，获得相同目标运动区域。该方法能更精准地识别液体颗粒，显著提升检测准确率。实验结果表明，该方案使药液中异物检测识别的准确率平均提升超过10%。

    关键词： 液体颗粒检测、注射检测、K均值聚类、层次聚类、Faster-RCNN

    更新于2025-09-23 15:22:29

  • [IEEE 2019年第六届先进控制电路与系统国际会议(ACCS)暨第五届电子与信息技术新范式国际会议(PEIT) - 埃及赫尔格达(2019.11.17-2019.11.20)] 2019年第六届先进控制电路与系统国际会议(ACCS)暨第五届电子与信息技术新范式国际会议(PEIT) - 共面波导谐振器介导超导量子比特间耦合

    摘要： 云数据所有者为?；ひ酵ǔＧ阆蛴谝约用苄问酵獍牡?，因此开发高效可靠的密文搜索技术至关重要。一个挑战在于，加密过程通?；嵋匚牡导涞墓亓叵?，导致搜索准确率显著下降。此外，数据中心的数据量呈爆炸式增长，这使得设计能在海量加密数据上实现高效可靠在线检索的密文搜索方案更具挑战性。本文提出一种分层聚类方法，在支持更丰富搜索语义的同时满足大数据环境下的快速密文搜索需求。该分层方法基于最小相关性阈值对文档聚类，再将所得聚类划分为子聚类直至达到最大聚类规模限制。在搜索阶段，该方法能实现与文档集合指数级增长相对的线性计算复杂度。为验证搜索结果的真实性，本文设计了最小哈希子树结构。通过IEEE Xplore构建的文档集实验表明：当数据集中文档量急剧增加时，本方法的搜索时间呈线性增长而传统方法呈指数增长；此外，本方法在检索文档的排序隐私性和相关性方面均优于传统方法。

    关键词： 安全、多关键词搜索、云计算、排序搜索、层次聚类、密文搜索

    更新于2025-09-23 15:19:57

  • [2018年IEEE国际工业工程与工程管理会议（IEEM）- 泰国曼谷（2018.12.16-2018.12.19）] 2018年IEEE国际工业工程与工程管理会议（IEEM）- 面向大规模半导体晶圆的分布式分层聚类系统

    摘要： 本文提出了一种面向大规模半导体晶圆的分布式分层聚类系统（DHCSSW）。通过应用大数据聚类算法，该系统能够对多达32万片晶圆进行聚类分析。为验证方法性能，我们采用模拟晶圆图进行实验。结果表明，本系统在处理大规模晶圆数据时表现更优，说明当前使用的分层聚类方法不足以分析大规模晶圆图谱。此外，DHCSSW还能检测出现有方法无法识别的部分失效模式。我们预计该系统将有助于发现半导体晶圆中的失效模式。

    关键词： 分布式计算系统、大数据分析、半导体晶圆图、层次聚类

    更新于2025-09-23 06:50:42

  • 基于层次聚类与mRMR准则的区域光伏出力预测方法

    摘要： 光伏发电受气象环境因素影响显著，具有明显的波动性和间歇性。大规模光伏并网会对大电网的源荷稳定性造成影响。为科学合理地制定电力调度方案，需实现光伏出力预测。单场站出力预测已不适用于大规模电力调度，因此对整个区域多场站光伏出力预测的需求日益重要。针对传统区域光伏出力预测方法按地理位置划分区域并根据相关系数确定代表电站的缺陷，本文提出一种多层次空间升尺度区域光伏出力预测算法。首先通过经验正交函数分解和层次聚类实现子区域划分；其次基于最小冗余最大相关性准则建立代表电站选择模型；最后利用Elman神经网络通过子区域代表电站的出力预测实现全区域光伏出力预测。案例研究表明，与传统方法相比，所提预测方法将归一化平均绝对误差降低4.68%，归一化均方根误差降低5.65%，有效提高了预测精度。

    关键词： 最小冗余最大相关性准则、层次聚类、光伏、区域发电量预测

    更新于2025-09-19 17:13:59

  • [IEEE 2019年传感器会议 - 加拿大魁北克省蒙特利尔 (2019.10.27-2019.10.30)] 2019年IEEE传感器会议 - 基于折射测量的光纤甲烷传感器

    摘要： 云数据所有者为?；ひ?，通常倾向于以加密形式外包文档。因此，开发高效可靠的密文搜索技术至关重要。其中一个挑战在于，加密过程通?；嵋匚牡导涞墓亓叵担贾滤阉髯既仿氏灾陆?。同时，数据中心的数据量呈爆炸式增长，这使得设计能够在大规模加密数据上实现高效可靠在线信息检索的密文搜索方案更具挑战性。 本文提出一种分层聚类方法，既支持更丰富的搜索语义，又能满足大数据环境下快速密文搜索的需求。该分层方法基于最小相关阈值对文档进行聚类，随后将所得聚类划分为子聚类，直至达到聚类最大规模限制。在搜索阶段，该方法面对文档集合的指数级增长仍能保持线性计算复杂度。 为验证搜索结果的真实性，本文设计了最小哈希子树结构。实验采用IEEE Xplore构建的文档集进行验证。结果表明：当数据集中文档数量急剧增加时，所提方法的搜索时间呈线性增长，而传统方法的搜索时间则呈指数增长。此外，所提方法在检索结果的排序隐私性和相关性方面也优于传统方法。

    关键词： 安全、密文搜索、层次聚类、多关键词搜索、排序搜索、云计算

    更新于2025-09-16 10:30:52

  • 激光多普勒应变传感器 / 激光多普勒应变仪

    摘要： 主题检测与跟踪是大数据时代流行的话题聚类方法，旨在新闻信息流中自动识别新话题并持续追踪已知话题。传统主题检测与跟踪主要研究短文本。随着数字设备和通信技术的快速发展，新闻内容正变得篇幅更长、信息更丰富。因此当前传统方法面临三大问题：首先，长篇新闻文本通常包含多个话题，传统聚类算法难以准确识别；其次，传统聚类多基于词袋模型的多维计算，其计算耗时随文章长度和数量增加呈指数级增长；第三，长文本新闻包含更多信息，如何更好地展现长文本新闻的连续性与关联性具有重要价值。为此，本文提出一种改进的单遍聚类算法，能有效解决上述问题。实验表明，相比K-means聚类算法、凝聚式层次聚类算法、基于密度的带噪声应用空间聚类（DBSCAN）以及构建概念图谱的层次聚类，该算法准确率提升约20%-30%，召回率提高10%-20%，且算法耗时降低40%以上。随着文章数量增加，改进单遍聚类算法的耗时曲线趋近线性函数——每增加一篇文章，其所需时间仅为其他算法的0.1-0.5倍。此外，通过在呈现时添加时间轴并提取主题内的关键信息，该算法能有效挖掘新闻话题的连续性与关联性，实现对新闻话题演变的追踪。

    关键词： 文本聚类、大数据、层次聚类、主题检测

    更新于2025-09-11 14:15:04

  • 基于半监督非负矩阵分解与层次聚类的高光谱组织图像分割

    摘要： 中红外（mid-IR）波段的组织样本高光谱成像（HSI）能以亚细胞空间分辨率提供光谱化学和组织结构信息。通过分析不同细胞类型（如上皮细胞）和亚细胞组分（如细胞核）的中红外光谱可直接评估疾病状态，前提是能准确分类属于这些组分的像素点。挑战在于从每个像素数百个噪声较大的中红外波段中提取信息——单个波段本身信息量有限，这使得未染色组织HSI图像的标注尤为困难。由于两切片间的组织结构未必完全一致，即使使用连续（或相邻）H&E染色切片作为视觉指引，未染色HSI图像中也只有少数区域能被高置信度标注。为充分利用训练图像中的标记与未标记像素，我们研发了一种采用半监督学习进行光谱降维和分层像素聚类的HSI像素分类方法。相比监督分类器，该方法能处理同种细胞类型亚细胞组分光谱的巨大差异，在20张组织图像的双重交叉验证中达到71.18%的F1分数。为推动这一潜力技术的发展，我们已公开源代码并证明：完成HSI图像分割后，疾病分类将变得直接明了。

    关键词： 微光谱学、半监督学习、层次聚类、高光谱成像、非负矩阵分解

    更新于2025-09-09 09:28:46