针对过拟合及甲状腺恶性结节细粒度分类(恶性分为恶性与高度恶化)的问题,提出一种基于循环卷积神经网络的分类方法。将Xception网络与长短时记忆网络(LSTM)作为互不干扰的两部分,分别对甲状腺结节样本进行特征提取得到两个权重矩阵;通过Merge算法融合为单个权重矩阵,将单个权重矩阵导入卷积神经网络(CNN)进行特征提取与池化;采用L2正则化的Softmax函数作为分类器,完成循环卷积神经网络的训练与测试。实验结果表明,甲状腺恶性结节细粒度分类的准确率为87.00%,并有较好的特征提取能力。

小目标、飞机相互遮挡等难以检测的问题,对飞机检测的准确性及实时性提出很大的挑战。将实时性较高的YOLO v3算法应用到机场场面飞机检测领域,并提出两点改进:将骨干网络中的卷积层替换为空洞卷积,保持较高分辨率及较大感受野,提高模型对小目标检测的准确率;通过线性衰减置信得分的方式,对非极大值抑制(NMS)算法进行优化,以提升模型对被遮挡飞机的检测能力。结果表明,改进后的YOLO v3能够较好地检测小目标和遮挡飞机,且在保证实时性的前提下,将检测准确率从72.3%提高到83.7%。

采用高温熔融法制得组分为43SiO2-23Al2O3-27LiF-17YF3-xPr2O3(x=0.05、0.1、0.15、0.2)(mol%)的前驱玻璃.玻璃样品分别经 530℃、540℃ 和 550℃热处理后, 制备出一系列 Pr3+离子掺杂含 LiYF4晶粒的微晶玻璃.晶相由 X 射线衍射与透射电子显微镜证实, 晶粒平均尺寸为 14±4 nm.紫外-可见分光光度计证实微晶玻璃具有良好的透光性.研究热处理前后样品的光谱特性和荧光寿命, 对封装成 LED 后的相关参数进行测试.结果表明, 在波长 444 nm 的激发下, 掺杂 Pr3+离子浓度为 0.3 mol 且热处理温度为 550℃ 的微晶玻璃具有最高光输出强度, 封装成 LED 后发射出白光, 其色坐标为x=0.33,y=0.35.

图像处理和特征分析在乳腺癌早期诊断中发挥着重要作用。为了将一个基于左右乳腺X光片图像密度特征不对称性的图像特征分析方法应用于乳腺癌近期发病风险的预测,训练开发了一个以多图像特征相融合的人工智能分辨模型来预测每个妇女在近期（比如，在最近一次的良性检测以后2年之内）由医学影像检测出来的早期癌症的风险程度。介绍这一个新癌症风险预测模型的基本原理，演示一个新型的人机交互式的计算机辅助图像特征分析和计算的工作平台。初步实验证明，应用这一个基于医学图像特征定量分析的模型能够取得比采用现行其他已知的乳腺癌风险因子有着显著提高的对于近期乳腺癌发病风险的预测精度,这将为建立更有效的个性化乳腺癌普查提供依据和帮助。

李群方法是研究非线性微分方程的有力工具，应用经典或非经典李对称方法可得到大量非线性微分方程(组)的显式解。对于2+1维的破裂孤子方程，利用CK方法得到了方程求解的Bachlund变换公式，从而获得方程的一些新精确解，推广了文献[4～8]中的结果。