会议论文

磁共振成像（MRI）是脑癌诊断与分类的重要工具。结合现代卷积神经网络（CNN）技术，可有效提升肿瘤分类的准确率与效率，为临床医生提供重要参考。既往研究表明，CNN在医学图像分类中具有优势。然而，针对不同CNN模型在脑癌MRI图像分类任务中性能差异及其超参数优化的深入探讨仍显不足，限制了临床应用中的模型选择与准确率提升。

本文提出一种基于归一化熵作为基础度量的变点检测概念，旨在克服传统熵方法对数据分布假设与绝对尺度的依赖。归一化熵通过标准化将熵值映射至[0,1]区间，从而准确刻画数据复杂性的相对变化。

现有时间序列相关性研究方法往往过度依赖整体统计特征，而忽略数据在时间维度上的动态变化，尤其在趋势拐点识别与复杂相关性判别方面存在不足。本研究提出一种创新的趋势对齐特征相关性匹配方法（TAFC），突破了传统相关性分析的局限。TAFC采用精细的数据预处理流程，并引入两个独特指标：趋势重叠指数度量（Q）与数值相关性度量（P）。

文档具有信息存储、提升工作效率及促进协同创新等功能，在各领域中发挥着重要作用。在SaaS环境中，高效且灵活的文档生成服务不仅是业务流程的核心，也是提升竞争力与推动业务增长的重要工具。高度定制化的文档生成服务可有效处理信息密度高、数据表达形式多样的文档，从而提升数据的可读性、可操作性与灵活性。

节点负载率的计算对分布式系统中负载均衡策略的质量具有关键影响。现有常用节点负载率计算方法未能充分考虑节点当前实际状态，导致其计算结果与实际情况存在偏差。本文聚焦于分布式信息系统，以数据库为切入点，提出一种适用于负载均衡策略的、基于数据库查询统计的节点负载率计算方法。

采用相同深度的卷积神经网络模型，因超参数组合不同，将导致结果显著差异。通过调整超参数配置，可提升模型性能。然而，超参数优化通常需耗费大量计算资源与时间。因此，提高超参数优化效率至关重要。本研究采用坐标上升法，该方法仅为各超参数提供初始候选值；在每次迭代中，仅改变对模型影响最大的单一超参数，逐步扩展搜索网格，直至准确率收敛。

健康问题已成为人们日常生活中关注的重点。当前，随着人类健康监测需求的日益增长，部分社会组织亟需加强健康检测技术，各类相关技术应运而生。本研究旨在构建一套整合社会组织、社会服务机构、社会工作者、照护人员、服务对象及其家庭等多方优势与资源的社会组织疾病预防与救助系统。