摘要：“村村通”工程改善了农民出行条件,但十多年过去路面破损严重,大多需要维修养护,路面裂缝是其中最常见的一种道路破损类型。为提高养护效率,需要对道路裂缝进行准确分类。本研究基于宽残差网络的Mix Match半监督深度学习模型,用于路面裂缝识别方法和分类。改进宽残差网络,设计算法Mix Match,降低数据标注工作量。所提方法仅使用10%的标记数据对路面裂缝识别准确率为91.25%,识别横向裂缝、纵向裂缝和龟裂的F1-score值分别为92.37%、96.20%和90.24%。与传统的VGG16、Res Net50、Alex Net、Mobile Net V3四种模型相比,准确率分别提高了8.08%、0.6%、8.89%、6.97%。实验结果表明,所提方法不仅能够提供路面裂缝的类别信息,减少样本标签标注的工作量,也可直接用于路面状况评价。

摘要：为了准确预测企业财务长期变化趋势,文章提出一种基于ARIMA-LSTM的企业财务长期变化趋势预测算法。通过设计ARIMA算法模型,并结合LSTM模型架构,实现基于ARIMA-LSTM的企业财务长期变化趋势预测。实验发现文中所设计方法的预测准确性较高,拟合性能更优。

摘要：探讨面向分布式深度增强学习框架的网络数据流优化,设计使深度学习训练能容忍无损网络的数据流优化策略。对于参数服务器同步架构,假设计算节点和服务器之间的网络通信会产生丢包,该优化策略需要保证分布式训练在无损网络中的性能。采用理论分析与实验评估相结合的方式来验证所提出策略的性能。

摘要：优化传感器媒介访问控制(S-MAC)协议以减少网络能量消耗和数据延迟,已成为无线传感器网络(WSN)亟待解决的问题。在S-MAC协议原有周期不变的情况下,根据通信流量变化改变活动时间,以减少能量损耗,同时在NS-2仿真平台采用MILD算法减少节点间不公平竞争现象,并建立了优化后的NS-MAC协议。实验结果表明,NS-MAC协议在能量损耗与延时性能上较S-MAC协议效果更佳,也更加符合WSN的MAC协议节能设计原则。

摘要：提出一种基于大数据的混合属性图像冗余特征聚类算法。首先,给出混合属性图像构造特点,分别建立语义属性集合与非语义属性集合,对不同的图像特征进行稀疏编码,避免不同属性特征之间的混淆。其次,建立图像聚类目标函数作为特征分类准则,对不同属性特征进行精准分类。最后,采用数据挖掘技术对分类结果中的冗余特征进行挖掘,根据挖掘结果采用聚类集成算法实现对冗余特征的聚类。实验结果表明,所设计方法不仅提升了冗余特征聚类精度,聚类精度最高值达到了90%以上,而且提升了聚类效率,聚类时间始终低于0.75s,为图像处理方法提供了有效的理论支撑。

摘要：文章首先介绍了杨辉三角和二项式的基本原理,提出了三种求杨辉三角的程序算法,这三种算法分别是:组合数法、递归法和队列法,使用Java语言在Eclipse平台上实现了这三种算法,并对这三种算法的运行效率和时间复杂度进行了测试分析,得出了队列法最优的结论。