监督性

摘要： 原有图像处理方法的收缩维度过大,在图像切割过程中难以平衡到各个噪点位置,导致在图像去噪过程中丢失图像原始信息,需要反复对比去噪后的图像与原始图像,增加图像的去噪时间。深度学习在处理实际问题中发挥了巨大作用,可以通过各种智能技术手段,对信息图像进行处理,从而帮助人们更好地观察事物,采取较为正确的行动,研究监督性机器学习算法在图像去噪中的应用方法。在多点位设置图像噪点分隔节点的基础上,采用监督性机器学习算法,构建图像的噪点提取模型,聚类理论筛选噪点完成图像去噪,完成监督性机器学习算法在图像去噪中的应用方法设计。实验结果表明:以动物图像为测试对象,分别将其内部包含的噪点含量进行检测,采用原始方法和该文方法进行对比,能够得到与原始图像相一致的结果,并在图像不失真的前提下,能够将图像的去噪时间控制在1.26s之内,而原始方法平均需要21.32s和16.24s,说明该文方法能够提高去噪效率,具有实际应用效果。

摘要： 5G商用牌照正式发放后,全国各大城市都在加速建设5G移动通信基站,山东省5G移动通信基站基站数量庞大,且呈井喷式增长.根据相关要求,生态环境部门对5G移动通信基站自主监测机构及监测服务行为实施监督管理,开展监督性监测工作.本文主要论述山东省在开展5G移动通信基站监督性监测工作中遇到的问题,并提出相应的对策.

摘要： 时序更替,2020年山东"两会"、全国"两会",即将如约而至。深深扎根于中国社会土壤的人民代表大会制度和政治协商制度,是中国特色社会主义制度,为推动党和国家事业取得历史性成就、发生历史性变革发挥了重大作用。"两会"本身,可谓最好的中国故事、最好的"中国制度的故事",向世人讲述着中国共产党治国理政的故事、中国人民当家作主的故事、中国特色社会主义民主法治的故事。"两会"尚未开幕,故事已经开始。

摘要： 为了给住院医师提供更立体、进阶式的培养,北京协和医院内科自2017年起在病房开始推行分层小组培养模式。本文对分层小组培养模式的具体运行情况进行了调研,反馈结果提示分层小组培养模式获得了带教主治医师和分层小组组长的普遍认可,是一种可行、有效、符合住院医师成长规律的培养模式。但主治医师与组长在实施过程中也存在部分担忧,其中教学双方如何把握临床带教中的自主性和监督性的平衡问题最为突出,提示资质分层准入原则、有针对性的组长岗前培训等可能是下一步推动制度细化的重点。

摘要： 为了给住院医师提供更立体、进阶式的培养,北京协和医院内科自2017年起在病房开始推行分层小组培养模式.本文对分层小组培养模式的具体运行情况进行了调研,反馈结果 提示分层小组培养模式获得了带教主治医师和分层小组组长的普遍认可,是一种可行、有效、符合住院医师成长规律的培养模式.但主治医师与组长在实施过程中也存在部分担忧,其中教学双方如何把握临床带教中的自主性和监督性的平衡问题最为突出,提示资质分层准入原则、有针对性的组长岗前培训等可能是下一步推动制度细化的重点.

摘要： 春末夏初,大明湖畔、趵突泉边,一派杨柳依依、蔷薇争艳的怡人风景中,一道''''辣味鲁菜''''在泉城路旁的山东省政协新鲜出炉,引人注目。前不久,山东省政协召开的以''''促进民营经济政策落实''''为主题的十二届常委会第七次会议,创造了''''三个第一次'''':第一次举办专题监督性常委会会议、第一次将民主评议作为会议内容、第一次利用互联网视频远程协商问政。

摘要： 如何才能增强党报评论的旗帜作用？做活做强党报时评,是新形势下增强党报舆论引导力,提高党报公信力,体现党报担当精神的有力手段.

摘要： 中共中央办公厅2016年2月印发了《关于加强和改进人民政协民主监督工作的意见》,从制度上对政协民主监督进行规范,为人民政协民主监督工作指明了方向。2017年,梧州市政协以“教育提质”、“交通环境整治”、“食品安全”三项监督性专题调研为突破口,大胆尝试,奏好规范请示制度、精心选题定题、制定调研方案、召开情况介绍会、深入实地调研、促进成果转化“六部曲”。

摘要： 本申请涉及一种安全监督控制方法、安全监督控制装置、计算机设备及安全监督系统。安全监督控制方法，包括：获取控制指令，并根据控制指令选择监督模型。获取第一信号。第一信号为被监督装置的输入信号。将第一信号输入被选择的监督模型，得到校验信号。获取第二信号。第二信号为被监督装置根据第一信号得到的输出信号。当校验信号与第二信号的差值小于第一设定值时，则输出第二信号。即第二信号在允许偏差范围内时，安全监督控制方法才输出第二信号。安全监督控制方法通过选择监督模型对第二信号进行校验，起到对被监督装置进行监督的作用，提高了被监督装置所在铁路控制系统的安全性。

摘要： 本发明属于计算机视觉视频分类领域，为了解决现有技术对视频中的运动信息挖掘不足，引入监督信号过少，模型训练效率低下以及学习到的特征判别性不足，这些均导致视频分类的准确率较低的问题，提供基于近邻一致性和对比学习的半监督视频分类方法及系统。其中基于近邻一致性和对比学习的半监督视频分类方法包括提取待分类视频样本的RGB帧图像；基于RGB帧图像及训练好的教师网络，得到所有视频分类的预测分布，将概率最大的类别作为分类结果；其基于教师‑学生网络对视频进行分类，能够在仅有少量标注数据的情况下提高视频分类的准确性。

摘要： 本发明公开一种空间结构性特征相关的无监督分类与有监督修正融合的语音分离方法，包括：基于时滞细胞神经网络的语音片段特征提取、基于动态增长自组织映射神经网络的语音片段无监督自适应分类；基于粒子群优化算法语音分离模型自适应修正和基于二值掩蔽的语音重构。本方案结合无监督分类和有监督修正，更有利于提高说话人数目未知的混合语音分离的泛化性和准确性，为单信道多说话人语音分离这样一个迫切需要解决的实际问题，提供一个理论支撑而且实际可行的方案。

摘要： 本发明公开了一种基于自监督和有监督联合训练的半监督文本分类方法及系统，包括以下步骤：采集任务相关数据集，所述数据集包括标注数据集T和未标注数据集U；对所述数据集进行数据增强处理，将处理后得到的增强视图用于扩充原始数据集，得到新样本数据集，所述新样本数据集包括标注数据集T'和未标注数据集U'；构建文本语义特征提取网络模型，基于文本语义特征提取网络模型获取文本语义特征向量；在所述文本语义特征提取网络模型上构建分类层，得到分类模型；从所述新样本数据集中重复采样得到batch数据组，每个batch数据组内均包含标注数据和未标注数据；采用所述batch数据组在分类模型上进行分类和对比学习的联合训练,更新模型参数。

摘要： 本申请涉及一种安全监督控制方法、安全监督控制装置、计算机设备及安全监督系统。安全监督控制方法，包括：获取控制指令，并根据控制指令选择监督模型。获取第一信号。第一信号为被监督装置的输入信号。将第一信号输入被选择的监督模型，得到校验信号。获取第二信号。第二信号为被监督装置根据第一信号得到的输出信号。当校验信号与第二信号的差值小于第一设定值时，则输出第二信号。即第二信号在允许偏差范围内时，安全监督控制方法才输出第二信号。安全监督控制方法通过选择监督模型对第二信号进行校验，起到对被监督装置进行监督的作用，提高了被监督装置所在铁路控制系统的安全性。

摘要： 本发明公开了一种用于监督孩子学习状态的家用监督装置及其监督方法，属于电波监测技术领域，包括用于采集孩子学习时脑波数据并进行处理的耳机模块以及用于接收孩子注意力信息的手机模块，耳机模块通过开关与电池盒连接，耳机模块包括脑电采集器、信号放大器、信号处理器、无线发射器、耳夹模块和干电极传感器模块，手机模块包括无线接收器、数据分析模块、专注度显示模块和状态辅助模块。本发明通过无线方式将处理后的脑波数据传给家长的手机，家长通过手机可以实时知道孩子学习时的注意力，并当孩子注意力连续分散一段时候后会控制手机发出报警信号。

摘要： 用于各级锅炉监督部门的锅炉安全自动监测系统，属监督锅炉安全运行状态的技术领域。其特点是：采集在线运行锅炉数据的下位监督机是具备实时监测锅炉实时运行的监测仪以RS485通讯方式分别与循环数字检测仪和流量演算仪相联接而构成；并有一个带屏幕显示的上位监督机；上位监督机，通过与英特网联接的服务器与采集运行锅炉数据的下位监督机内部引出连接的GPRS通讯模块作数据传输的联接。实施本发明后的积极效果是：可在远离锅炉现场的屏幕上，一览无遗地看到所有锅炉的运行状况，为锅炉监督部门提供一种把分散布局的锅炉集中一起的监督系统，不仅避免了锅炉事故，还减少了监管人员，提高了经济效益。

摘要： 一种半监督循环一致性生成对抗网络的SAR影像浮筏养殖信息提取方法，首先，对SAR影像进行预处理，增强养殖信息显著性差异特征；其次，构建具有正向训练网络与逆向训练网络的循环一致性生成对抗网络，实现标签的重复利用，并且增加半监督判别器，将正向训练网络与逆向训练网络相结合，通过生成伪标签来加强训练，实现以逆向训练网络的输出来加强正向训练网络的目的；最后，使用偏置卷积块加强养殖区模糊边界的分割效果，提高养殖信息提取的精度。本发明能够解决制作标签无法重复利用的问题，利用搭建的半监督判别器能够解决因训练过程中混淆标签而导致养殖预测图精度不高的问题；可利用该方法对SAR影像进行浮筏养殖信息提取工作。

摘要： 本发明提供了一种基于解耦自监督的视频伪装和显著性对象检测方法，包括以下步骤：1，构建了一种自监督形式的帧路由机制，可以帮助网络识别出一段视频中哪些视频帧的运动信息丰富，哪些视频帧的运动信息不丰富。2，构建自监督形式的运动分割网络和图像分割网络，当某帧视频中的运动信息充分时，利用运动分割网络来检测伪装/显著对象；当某帧中的运动信息不充分时，利用图像分割网络来检测伪装/显著对象；3，本文搭建的解耦自监督网络框架，可以同时完成视频伪装对象和显著对象的检测，而且不依赖任何数据标注。

摘要： 本发明涉及计算机视觉技术领域，尤其涉及一种无监督的显著性目标检测方法、系统、设备及介质，包括：将输入的训练图像利用伪标签生成模型生成伪标签，将训练图像输入骨干网络，得到目标特征向量；根据目标特征向量和伪标签，得到对比度特征，并在利用K‑Means算法对对比度特征进行聚类学习后，通过注意力机制和分类网络，得到网络预测图；解决了现有的显著性目标检测方法采用的训练数据集大部分都存在着自有的偏置，且伪标签通常存在噪声的问题，本发明通过对比度聚类方法和模型训练方法能够将骨干网络中低层次对比度特征与高层次对比度特征融合到一起，以实现无监督但可靠的显著性目标检测，降低了成本，提高了检测的精确性。