检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

数据中心服务器资源监控系统的设计与实现

计算机应用与软件 2019年第7期36卷 14-20页

作者：台宪青吴梦悦马玉峰赵旦谱中国科学院电子学研究所苏州研究院江苏苏州215121 江苏物联网研究发展中心江苏无锡214135

服务器是数据中心的核心组成部分,对服务器中的资源进行监控是保障数据中心正常运行的必要手段之一。随着数据中心设备数量和数据存储规模的不断增加,直观、高效地对服务器资源进行监控已经是一个亟待解决的问题。设计并实现一套服务器... 详细信息

服务器是数据中心的核心组成部分,对服务器中的资源进行监控是保障数据中心正常运行的必要手段之一。随着数据中心设备数量和数据存储规模的不断增加,直观、高效地对服务器资源进行监控已经是一个亟待解决的问题。设计并实现一套服务器资源监控系统,实时监控服务器的计算、信息、服务资源运行状态,实现海量监控数据的实时处理和统计分析,满足数据中心服务器资源的全面监控和安全保障要求,并展示了监控系统的运行效果。

关键词：服务器资源监控时序数据分布式集群

在线全文

学校读者我要写书评

暂无评论

基于双标签集的标签匹配集成学习算法

计算机应用 2014年第9期34卷 2577-2580页

作者：张丹普王莉莉付忠良李昕中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

当标识示例的两个标签分别来源于两个标签集时,这种多标签分类问题称之为标签匹配问题,目前还没有针对标签匹配问题的学习算法。尽管可以用传统的多标签分类学习算法来解决标签匹配问题,但显然标签匹配问题有其自身特殊性。通过对标签... 详细信息

当标识示例的两个标签分别来源于两个标签集时,这种多标签分类问题称之为标签匹配问题,目前还没有针对标签匹配问题的学习算法。尽管可以用传统的多标签分类学习算法来解决标签匹配问题,但显然标签匹配问题有其自身特殊性。通过对标签匹配问题进行深入的研究,在连续AdaBoost(real Adaptive Boosting)算法的基础上,基于整体优化的思想,采用算法适应的方法,提出了基于双标签集的标签匹配集成学习算法,该算法能够较好地学习到标签匹配规律从而完成标签匹配。实验结果表明,与传统的多标签学习算法用于解决标签匹配问题相比,提出的新算法不仅缩小了搜索的标签空间的范围,而且最小化学习误差可以随着分类器个数的增加而降低,进而使得标签匹配分类更加快速、准确。

关键词：连续AdaBoost 多标签学习多标签集标签匹配集成学习

腹腔镜超声联合CT三维重建引导腹腔镜肝切除术

在线全文

学校读者我要写书评

暂无评论

中国医学影像技术 2024年第2期40卷 172-176页

作者：王丹璞赫嵘贾哲王米雪何楠张萌张瑶首都医科大学附属北京地坛医院普外科北京100015 首都医科大学附属北京地坛医院超声科北京100015 首都医科大学附属北京地坛医院放射科北京100015

目的观察腹腔镜超声(LUS)联合CT三维重建引导腹腔镜肝切除术(LH)的价值。方法回顾性分析78例接受LH的肝细胞癌(HCC)患者,根据是否接受术前CT三维重建及LUS分为观察组(n=46)或对照组(n=32);比较组间临床资料、围手术期资料及预后。结果... 详细信息

目的观察腹腔镜超声(LUS)联合CT三维重建引导腹腔镜肝切除术(LH)的价值。方法回顾性分析78例接受LH的肝细胞癌(HCC)患者,根据是否接受术前CT三维重建及LUS分为观察组(n=46)或对照组(n=32);比较组间临床资料、围手术期资料及预后。结果组间临床资料差异均无统计学意义(P均>0.05),而肿瘤主体所在肝段、切除方式、肿瘤切缘、手术时间、术中出血量、术后住院时间、术后并发症分级及发生率差异均有统计学意义(P均<0.05)。随访期间观察组死亡15例,对照组死亡14例;组间无瘤生存率差异有统计学意义(χ^(2)=4.210,P=0.040)。结论LUS联合CT三维重建用于引导LH可降低术中损伤和并发症发生率、提高HCC患者无瘤生存率。

关键词：癌,肝细胞腹腔镜肝切除术超声检查,介入性体层摄影术,X线计算机成像,三维

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

一种面向主动安全的动态采集策略设计与实现

信息技术与网络安全 2018年第4期37卷 34-40页

作者：翟友钧赵旦谱台宪青江苏物联网研究发展中心江苏无锡214135 中国科学院大学北京100049 中国科学院电子学研究所北京100190 中国科学院电子学研究所苏州研究院江苏苏州215121

面向分布式集群主动安全,为降低信息冗余的同时保证精度,设计了一种计算机资源状态信息动态采集策略。通过对集群中的10种状态信息(共计164项)进行分析,研究了其阈值与系统状态是否正常之间存在的关系,通过筛选、分组实现动态采集策略... 详细信息

面向分布式集群主动安全,为降低信息冗余的同时保证精度,设计了一种计算机资源状态信息动态采集策略。通过对集群中的10种状态信息(共计164项)进行分析,研究了其阈值与系统状态是否正常之间存在的关系,通过筛选、分组实现动态采集策略的设计。实现对状态信息的采集,保证了对资源的低占用,实现了动态采集策略的即时生效。通过故障注入方法模拟系统状态异常时的运行状态,通过对比采集结果的数据量大小,衡量动态采集策略,降低信息冗余的有效性。实验结果表明,该采集策略有效地降低了信息冗余并保证了采集精度。

关键词：动态采集策略计算状态信息 Procfs Golang Telegraf

在线全文

学校读者我要写书评

暂无评论

基于浮动阈值分类器组合的多标签分类算法

计算机应用 2015年第1期35卷 147-151页

作者：张丹普付忠良王莉莉李昕中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

针对目标可以同时属于多个类别的多标签分类问题,提出了一种基于浮动阈值分类器组合的多标签分类算法。首先,分析探讨了基于浮动阈值分类器的Ada Boost算法(Ada ***)的原理及错误率估计,证明了该算法能克服固定分段阈值分类器对分类边... 详细信息

针对目标可以同时属于多个类别的多标签分类问题,提出了一种基于浮动阈值分类器组合的多标签分类算法。首先,分析探讨了基于浮动阈值分类器的Ada Boost算法(Ada ***)的原理及错误率估计,证明了该算法能克服固定分段阈值分类器对分类边界附近点分类不稳定的缺点从而提高分类准确率;然后,采用二分类(BR)方法将该单标签学习算法应用于多标签分类问题,得到基于浮动阈值分类器组合的多标签分类方法,即多标签Ada ***。实验结果表明,所提算法的平均分类精度在Emotions数据集上比Ada ***、ML-k NN、Rank SVM这3种算法分别提高约4%、8%、11%;在Scene、Yeast数据集上仅比Rank SVM低约3%、1%。由实验分析可知,在不同类别标记之间基本没有关联关系或标签数目较少的数据集上,该算法均能得到较好的分类效果。

关键词：连续AdaBoost 浮动阈值极大似然原理多标签分类集成学习二分类方法

基于改进YYOOLLOOvv 5的轻量级船舶目标检测算法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2023年第3期43卷 923-929页

作者：李佳东张丹普范亚琼杨剑锋中国航天科工集团第二研究院北京100039 北京航天长峰股份有限公司北京航天长峰科技工业集团有限公司北京100039

针对海上船舶目标检测准确率不高的问题,提出一种基于改进YOLOv5的轻量级船舶目标检测算法YOLOShip。首先将空洞卷积与通道注意力(CA)引入空间金字塔快速池化(SPPF)模块,以融合不同尺度的空间特征细节信息,强化语义信息,提升区分前景与... 详细信息

针对海上船舶目标检测准确率不高的问题,提出一种基于改进YOLOv5的轻量级船舶目标检测算法YOLOShip。首先将空洞卷积与通道注意力(CA)引入空间金字塔快速池化(SPPF)模块,以融合不同尺度的空间特征细节信息,强化语义信息,提升区分前景与背景的能力;其次将协同注意力与轻量化的混合深度卷积引入特征金字塔网络(FPN)和路径聚合网络(PAN)结构中,以强化网络中的重要特征,获取含有更多细节信息的特征,并提升模型检测能力及定位精度;然后考虑到数据集中目标分布不均匀及尺度变化相对较小的特点,在修改锚框,减少检测头数量以精简模型的同时进一步提升模型性能;最后,引入更加灵活的多项式损失(PolyLoss)以优化二元交叉熵损失(BCE Loss),提升模型收敛速度及模型精度。在SeaShips数据集上的实验结果表明,相较于YOLOv5s,YOLOShip的精确率、召回率、mAP@0.5与mAP@0.5:0.95分别提升4.2、5.7、4.6和8.5个百分点,能在满足检测速度要求的同时得到更优的检测精度,有效地实现了高速、高精度的船舶检测。

关键词：船舶检测 YOLOv5 注意力机制空洞卷积混合深度卷积

在线全文

学校读者我要写书评

暂无评论

基于定位不确定性的鲁棒3D目标检测方法

计算机应用 2021年第10期41卷 2979-2984页

作者：裴仪瑶郭会明张丹普陈文博中国航天科工集团第二研究院北京100039 北京航天长峰股份有限公司北京航天长峰科技工业集团有限公司北京100039 中国科学院自动化研究所北京100190

针对3D点云训练数据因人工标注不精确而导致模型定位不准确的问题,提出了一种基于定位不确定性的鲁棒3D目标检测方法。首先,以基于3D体素网格的稀疏嵌入卷积检测(SECOND)网络作为基础网络,在候选区域生成网络(RPN)的基础上增加对定位不... 详细信息

针对3D点云训练数据因人工标注不精确而导致模型定位不准确的问题,提出了一种基于定位不确定性的鲁棒3D目标检测方法。首先,以基于3D体素网格的稀疏嵌入卷积检测(SECOND)网络作为基础网络,在候选区域生成网络(RPN)的基础上增加对定位不确定性的预测;然后,在训练过程中使用高斯和拉普拉斯两种分布模型对定位不确定性进行建模,并对定位损失函数进行重新定义;最后,在预测过程中结合定位不确定性和分类置信度作为目标置信度,使用阈值过滤和非极大值抑制(NMS)方法筛选候选目标。实验结果表明,在KITTI 3D目标检测数据集上,所提算法对于车辆类别的检测准确率在中等难度上比SECOND网络提高了0.5个百分点;当在训练数据中额外加入扰动模拟噪声的情况下,所提算法的检测准确率比SECOND网络最多提高了3.1个百分点。所提算法提高了3D目标检测准确率,减少了误检且提高了3D边界框的精度,并且对于带噪声的数据更鲁棒。

关键词：点云 3D目标检测不确定性卷积神经网络鲁棒性稀疏嵌入卷积检测网络

基于Ranking Loss的多标签分类集成学习算法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2013年第A01期33卷 40-42,68页

作者：任志博王莉莉付忠良张丹普杨燕霞中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

针对目标可以属于多个类别的多标签分类问题,提出了一种基于Ranking Loss最小化的集成学习方法。算法基于Real AdaBoost算法的核心思想,从Ranking Loss定义出发,以Ranking Loss在样本空间最小化为目标,采取迭代的方法训练多个弱分类器,... 详细信息

针对目标可以属于多个类别的多标签分类问题,提出了一种基于Ranking Loss最小化的集成学习方法。算法基于Real AdaBoost算法的核心思想,从Ranking Loss定义出发,以Ranking Loss在样本空间最小化为目标,采取迭代的方法训练多个弱分类器,并将这些弱分类器集成起来构成强分类器,强分类器的Ranking Loss随着弱分类器个数的增加而逐渐减少,并给出了算法流程。通过理论分析和实验数据对比验证了提出的多标签分类算法的有效性和稳定性。

关键词：多标签分类 AdaBoost算法 RankingLoss 分类器组合集成学习

在线全文

学校读者我要写书评

暂无评论

胰体尾切除术后胰瘘的影响因素分析

中华肝胆外科杂志 2021年第4期27卷 291-294页

作者：王丹璞马刚宋从浩李勤涛李宝亮张珂黄容海蒋力首都医科大学附属北京地坛医院普通外科 100015 中国医科大学附属第一医院胰胆外科沈阳110001

目的探讨胰体尾切除术后胰瘘发生的影响因素,为临床预防术后胰瘘提供依据。方法回顾性分析2011年3月至2018年4月在中国医科大学附属第一医院行胰体尾切除术的281例患者的临床资料,其中男性89例,女性192例,年龄(51.01±13.65)岁。对可能... 详细信息

目的探讨胰体尾切除术后胰瘘发生的影响因素,为临床预防术后胰瘘提供依据。方法回顾性分析2011年3月至2018年4月在中国医科大学附属第一医院行胰体尾切除术的281例患者的临床资料,其中男性89例,女性192例,年龄(51.01±13.65)岁。对可能影响术后胰瘘发生的性别、年龄、体质量指数(BMI)、肿瘤特点、术前空腹血糖、血生化、肝功能和手术指标等进行单因素和多因素logistic回归分析。结果281例行胰体尾切除的患者中无胰瘘/生化漏245例(87.2%),有临床意义的胰瘘(B/C级)36例(12.8%)。单因素分析结果显示,影响术后胰瘘发生的因素有BMI、术前空腹血糖、是否结扎主胰管(均P<0.05)。多因素logistic回归分析结果显示,影响术后胰瘘发生的独立危险因素为BMI≥25 kg/m^(2)(OR=2.354,95%CI:1.137~4.873,P<0.05)、未结扎主胰管(OR=4.067,95%CI:1.191~13.885,P<0.05)。结论BMI较高者可增加术后胰瘘发生的风险,手术过程中结扎主胰管可减少术后胰瘘的发生。

关键词：胰腺瘘胰体尾切除术影响因素