近年来,基于自由电子和电磁场相互作用的传统金属天线在带宽扩展、集成化、灵敏度等方面受到的限制愈发明显,基于里德堡原子的天线技术受到了广泛关注。作为一种高能态原子,里德堡原子用作电磁波的传感接收时,可实现不受Johnson-Nyquist 噪声限制的高灵敏度探测,避免传统金属天线的尺寸效应实现超宽带频谱响应,通过全光学的信号读取手段可有效提高系统抗电磁毁伤性能。得益于以上优势,基于里德堡原子天线的电磁波测量技术近年来已经在多方面展现出超越传统金属天线的性能,并预期将对现代雷达和通信等无线电技术产生颠覆性的影响和应用。本文主要综述里德堡原子的探测原理及其从直流到太赫兹的超宽带工作频谱研究进展,详细概述里德堡原子天线实现连续频率测量的国内外现状,并展望其未来发展趋势。

针对城市路网交通数据缺失问题,综合考虑交通数据客观存在的时空特性,本文提出一种基于时空矩阵分解(spatial-temporal matrix factorization, STMF)的路网交通数据修复方法。首先依据路网时空属性,将多维交通数据处理为二维矩阵形式,将其分解为空间特征矩阵和时间特征矩阵,并通过低秩近似的方式重构不完整交通数据矩阵,实现缺失数据的基本修复。然后,利用图拉普拉斯(graph Laplacian, GL)和门控循环网络(gated recurrent network, GRN)分别作为空间和时间正则器,进一步挖掘路网交通数据的空间结构关联特性和时间依赖特性,有效提高路网交通数据的修复精度。最后,采用洛杉矶交通速度数据集(Metr-LA)和广州交通数据集(Guangzhou-D)对STMF模型的性能与GAIN、BGCP、BTMF、LRTC-TNN和HaLRTC等基准模型进行对比,实验结果表明,本文提出的基于时空矩阵分解STMF模型相比基准模型,能更好地适应不同的缺失场景和不同的缺失率,缺失数据修复性能具有更好的鲁棒性。

针对交直流混合微电网故障定位中出现的过程复杂和诊断速度缓慢问题,本文提出一种基于嗅探策略黏菌算法的故障定位方法。该方法利用贝多西小波变换和节点拓扑优化组成的嗅探策略来执行数据处理。具体而言,首先,利用PowerFactory搭建中低压交直流混合微电网模型,并在交流侧和直流侧输电线路上设置故障来分别提取相应的电压电流故障信号;其次,通过贝多西小波变换将故障信号进行分解与重构,得到其信息香农熵,并结合为能够表征故障的偏移值;然后,通过节点拓扑优化对混合微网的节点和支路的故障偏移值进行拟合;最后,使用优化黏菌算法通过Matlab对所提策略进行仿真验证。仿真结果表明,所提出的嗅探策略以每次迭代耗时小幅增加为代价,提高21%的准确度,提升35.9%的收敛速度,达到准确快速定位混合微网故障点的目的。

相较于耗散多涡卷混沌系统,保守多涡卷混沌系统在图像加密和保密通信领域具有潜在的应用前景,具有重要研究意义。基于哈密顿能量守恒原理,本文构建一个四维保守混沌系统。通过引入分段函数扩展系统的平衡点,得到沿x和y方向上可调节宽度的多涡卷混沌系统。通过调整系统参数和初始值,能够生成具有不同能级和涡卷数目的多涡卷类吸引子。值得注意的是,随着涡卷数量的增加,系统的Lyapunov指数呈现逐步上升趋势。通过NIST测试,验证了系统在随机信号发生器以及图像加密等应用方面的潜在价值。实验结果显示,系统的SE值高达0.63,充分证明其在保密通信领域的实用性和重要性。

接触网是为列车行驶提供电力的输电线路,附着在接触网的塑料袋等异物会对列车运行造成安全隐患。针对目前人工检查效率低下、劳动成本高等问题,本文提出一种基于YOLOv7改进的接触网异物检测模型YOLO-CDBW。首先,在特征提取阶段构建一种使用残差瓶颈结构和深度分离卷积层的特征提取模块,避免因网络深度增加造成的小目标特征丢失问题,并降低网络运算量;其次,颈部改用BiFPN结构,捕捉多尺度信息,改善细节特征丢失问题,同时嵌入BiFormer注意力机制,重新分配融合后特征图的权重,提高网络对异物的关注度;最后,使用WIoU损失函数优化模型,通过动态聚焦机制,将注意力聚集在普通质量锚框上,提高预测精准度。经实验,YOLO-CDBW模型平均精度均值mAP_0.5达到87.1%,检测速度FPS达到66.5 frame/s,较YOLOv7模型分别提高5.0和10.8个百分点,满足接触网异物检测需求。

由于标注主观性、图像模糊等因素,数据集不可避免存在噪声,使表情识别更具挑战性。现有面部表情识别方法在处理噪声标签时,模型会部分过度拟合噪声标签,对此,本文提出一种新颖的抗噪声双约束网络(NDC-Net)来自动抑制噪声样本。NDC-Net主要包括2个约束机制:类激活映射注意一致性(CAC)和通道空间特征一致性(CSC)。CAC使模型集中于局部重要特征信息,减少对噪声标签的过度关注,而CSC鼓励和确保模型在提取特征时从通道和空间上更加关注到与任务相关的信息,忽略不相关信息,减少对噪声标签的依赖。此外,为增强NDC-Net性能,输入样本采用旋转、缩放等策略进行增强。在 RAF-DB、FERPlus和AffectNet数据集30% 标签噪声下,NDC-Net 的识别性能分别为86.57%、88.22%和59.78%,显著优于EAC、NCCTFER等先进的噪声标签处理方法,并且在计算机视觉领域中被广泛应用于评估算法性能和泛化能力的 CIFAR100 和 Tiny-ImageNet中也取得不错的效果。

为应对织物疵点目标检测中背景纹理复杂以及硬件资源有限问题,本文提出一种基于改进YOLOv8n的轻量化织物疵点检测算法(GSL-YOLOv8n)。首先,为减少YOLOv8n模型参数量与网络结构复杂度,结合Ghost思想构建C2fGhost模块,并用Ghost卷积层替换YOLOv8n网络结构的普通卷积(Conv);其次,在主干网络末端嵌入无参注意力机制SimAM,去除冗余背景,增强小目标语义信息和全局信息,增强网络特征提取能力;最后,设计轻量化共享卷积检测头LSCDH,运用Scale层对特征进行缩放,在保证模型轻量化的同时尽可能减少精度损失。改进后的算法GSL-YOLOv8n相比原YOLOv8n模型平均精度提升0.60%,达到98.29%,检测速度FPS基本保持不变,模型体积、计算量和参数量分别减少66.7%、58.0%和67.4%,满足纺织工业生产对织物疵点检测的应用要求。

针对当前带钢表面缺陷检测算法计算复杂度高、检测精度较低、容易产生漏检和误检等问题,本文提出一种轻量化的带钢表面缺陷检测模型HSED-YOLO。首先,将原始YOLOv8n主干网络更换为改进后的HGNetV2,减少特征图计算冗余,从而降低模型的参数量。然后,为了进一步降低模型的复杂度,在模型颈部网络结构中引入Slim-Neck结构化设计;同时,在特征融合阶段引入EMA(efficient multi-scale attention module)注意力机制,提高模型的特征提取能力;为了进一步提高模型的检测精度,使用DIoU损失函数设计。最后,在带钢缺陷数据集上进行大量实验,得到改进后模型的参数量和计算量分别为2.1×10⁶和6.1×10⁹,仅为基准模型的70%和75.3%,并且平均精度相比于基准模型提升2个百分点,表明改进模型是有效的。

针对平面地质图件中地质构造背景复杂、符号表示多样化而导致识别效果不佳的问题,本文提出一种基于迁移学习和通道先验注意力机制的地质构造识别模型MsAttenEfficientNet。该模型以EfficientNet为主干网络架构,并使用通道先验注意力(channel prior convolution attention, CPCA)模块替换EfficientNet特征提取模块MBConv中的压缩和激励网络(squeeze-and-excitation net, SENet),使模型能够动态地分配通道和空间注意力权重,更准确地捕捉到图像中的重要区域和空间结构;其次对顶层预测模块进行改进,引入Swish激活函数和Dropout层,加强模型的泛化性能;最后使用Adam优化算法提高网络的收敛速度,并利用迁移学习实现特征参数共享。通过在地质构造数据集GeoStr18上进行训练及测试,实验结果表明,MsAttenEfficientNet模型对地质构造的识别精准率为96.92%,召回率为96.89%,F₁分数为96.90%,优于ResNet50、ShuffleNetV2和DenseNet121等主流分类识别模型,可有效用于地质构造识别。

针对U-Net及其改进网络在跳跃链接中因忽略多层级特征间相互作用而导致对特征的表征能力不足问题,本文提出一种基于层级尺度交互的U-Net遥感影像建筑物提取方法。首先,在U-Net网络跳跃连接中设计层级尺度交互模块,实现多层级特征的交互增强,提升对特征的表征能力;然后,通过改进空洞空间金字塔池化模块,提出一种多尺度特征提取模块,并将其应用到最高层级特征,来提升网络提取多尺度特征的能力;最后,将自校准卷积引入到解码过程,促进浅层与深层特征更好地融合。在公开建筑物提取数据集WHU和Inria上,将本文方法与6种遥感影像建筑物提取方法进行对比,实验结果表明,本文方法的IoU分别为91.26%和79.23%,均优于对比方法。

将社交关系融入推荐系统中,能有效提高推荐质量。然而现实世界中用户的交互数据是稀疏和复杂的,如何更好地利用社交信息是关键问题。现有社交推荐模型没有充分探索高阶好友的影响,而且忽略了用户间的关系强度和不同种类的关系对用户的影响,导致推荐性能不佳。为了解决上述问题,本文提出一个基于分级注意力网络和层次化对比学习的社交推荐模型。具体来说,首先,依据用户间不同关系构建用户级超图,扩大节点聚合的感知范围,加深模型深度。然后,设计多级注意力网络更好地捕捉用户交互数据之间的关系和重要性,其中,视图级自注意力机制捕获好友对用户的影响以及项目间的关联程度,通道级注意力自适应地调整不同种类的关系对用户的影响。同时,引入层次化对比学习对数据进行增强,包括视图间和跨视图的第一层对比学习和针对高阶关系的第二层对比学习,多维度捕获数据的细微差距和高层次的抽象特征。最后,将所提出的模型在4个公开基准数据集上进行评估,结果表明本文模型Precision、Recall、NDCG较其他最优基线模型分别提升7.61%、11.05%、10.69%,验证了本文模型的有效性。

针对蜣螂优化算法存在收敛速度慢,容易陷入局部最优,且全局探索能力较弱等问题,受领导者-追随者策略(leader-follower)的启发,本文提出一种基于邻域搜索策略的蜣螂优化算法。首先,引入Singer映射初始化种群,提高初始解的质量,提高算法的收敛速度;其次,提出一种邻域搜索策略来增强种群多样性,跳出局部收敛,提高算法的局部开发能力;最后,设计一种精英池-扰动策略来扩大搜索范围,增强算法的全局勘探和局部寻优能力,提高算法的求解效率及求解精度。为了验证所提算法的有效性,本文设计一系列实验来验证所提算法的性能,结果表明,该算法在寻优精度和收敛速度方面有较大提升。将该算法应用于无人机三维路径规划问题,实验结果表明,该算法在处理实际应用问题时表现出了有效性和高效性。

本文研究非线性多智能体系统在遭受欺骗攻击或重放攻击,并且通信拓扑为Markov切换拓扑时的领导-跟随一致性问题。引入Bernoulli随机变量描述系统遭受欺骗攻击或重放攻击的随机发生。网络攻击导致多智能体系统的通讯拓扑发生随机改变,将其建模为Markov切换拓扑。基于稳定性理论、图论、矩阵理论,利用随机分析方法、Lyapunov方法、无穷小算法等,获得系统实现一致性的充分条件,并给出数值仿真实例,验证结果的正确性和方法的有效性。

空间自回归模型广泛用于空间数据的相关性分析,它将空间自回归系数设定为全局常数,对空间自相关性的同质特征进行建模,但是无法分析研究区域内局部异质的空间自相关特征。本文研究一类异质性空间自回归变系数模型,将模型中的空间自相关回归系数设为随地理位置发生变化的变系数函数,实现同时对空间自相关性的局部异质特征和非平稳回归关系建模,提出异质性空间自回归变系数模型的局部常数极大似然和局部线性极大似然估计方法。进行数值模拟,结果表明:局部线性极大似然估计和局部常数极大似然估计方法在有限样本下具有一致性和有效性,本文所提出的模型和估计方法具有良好表现。利用所研究的模型和提出的估计方法对2018年我国手足口病发病率与影响因素进行分析,发现各省(自治区、直辖市)的局部空间自相关性呈现西部偏高,中部和东部偏低的趋势,存在一定差异性,各影响因素对手足口病发病率的影响程度也随空间位置的变化而有所不同。

本文致力于对变密度不可压缩磁流体动力学方程建立全解耦且无条件能量稳定的数值算法。首先,引入辅助中间速度变量,分别与Gauge-Uzawa 方法的对流形式和守恒形式相结合,建立2个一阶半离散数值算法。2个算法成功地解耦所有耦合项,使得只需在离散级求解线性化子问题, 所以大大提高计算效率。其次,证明2个算法都是无条件能量稳定的,并且对流形式的有限元全离散化算法也是无条件能量稳定的。最后,用数值实验验证解耦方案的准确性和有效性。

本文综合运用网络药理学、生物信息学、分子对接、分子动力学、转录组学及体外实验探究一种含酯基吲哚类槐定碱衍生物对肝癌细胞迁移与侵袭的作用及机制。通过PharmMapper、Super-PRED、Swisstarget及Targetnet数据库查找衍生物潜在靶点,利用差异表达分析确定肝癌转移相关基因,取交集确定衍生物作用的肝癌转移相关基因,通过GO/KEGG分析,预测衍生物潜在作用信号通路和差异基因富集信号通路,利用蛋白互作分析和分子对接及分子动力学模拟确定核心靶点和衍生物与核心靶点的相互作用,利用转录组测序获取衍生物导致的差异表达基因,通过蛋白免疫印迹实验检测相应蛋白的表达。结果表明:衍生物可显著抑制肝癌细胞的迁移和侵袭,共有衍生物潜在作用肝癌转移相关靶点47个,其中核心靶点5个:STAT3、PPARG、MAP2K1、CDK4、AKT3;MAPK通路在衍生物预测基因及衍生物导致的差异表达基因富集分析中显著富集,衍生物与核心靶点MAP2K1(MAPK通路关键节点)具备较高结合亲和度,MAPK通路中的核心成员p-Erk1/2蛋白表达下调。这些都表明含酯基吲哚类槐定碱衍生物通过降低MAPK/ERK通路活性抑制肝癌细胞迁移与侵袭。

为探究复方鹿仙草颗粒(Fufang Luxiancao Keli, FLK)对肝癌的抗肿瘤效果及其机制,本文通过UPLC-QTOF-MS鉴定出FLK中的57个化学成分,利用网络药理学和分子对接技术,结合GO和KEGG分析,筛选出37个活性成分,与肝癌有338个交集靶点,核心靶点为PIK3CA、PIK3CB、PIK3CD、PIK3R1和EGFR,涉及蛋白磷酸化、细胞迁移、活化和增殖等生物过程。KEGG分析表明,FLK可能通过影响癌症通路、PI3K-Akt信号通路等关键途径来抑制肝癌细胞的生长。体外细胞实验验证了网络药理学的结果,显示FLK能有效抑制肝癌细胞的增殖、克隆和迁移,并诱导细胞凋亡和周期阻滞。研究结果表明,FLK可能通过调节PI3K-Akt等信号通路发挥抗肿瘤作用。

为研究银杏叶提取物(GBE)及其注射液中特征性黄酮类成分,本文采用HPLC指纹图谱、液质联用等方法对其中共有且主要的黄酮类成分进行分析,并建立HPLC定量检测方法对黄酮含量进行测定。结果表明:GBE及其注射液中芦丁、异槲皮苷、山柰酚-3-O-芸香糖苷、水仙苷、紫云英苷、槲皮素、山柰酚、异鼠李素等8种成分为GBE含量较高且具特征性的黄酮成分;采用C₁₈色谱柱,乙腈-0.2%磷酸梯度洗脱,流速1.0 mL/min,检测波长360 nm,柱温30 ℃进行HPLC定量检测,8种黄酮成分分别在6.25～75.00、1.00～12.00、1.75～21.00、1.75～21.00、1.25～15.00、1.25～15.00、0.50～6.00和0.50～6.00 mg/L范围内线性关系良好(r>0.999),其精密度、重复性、稳定性及加样回收率RSD均小于2%;3种GBE粉末中8种黄酮总含量分别为61.37、76.23、140.55 mg/g,4种GBE注射液的黄酮总含量分别为246.0、305.2、284.5和250.8 mg/L。该研究为高品质GBE原料药及其注射液制品的质量控制提供科学依据。

本文采用高盐度真菌培养基,对广西北海竹林盐场来源枝孢属嗜盐真菌Cladosporium cladosporioides GXIMD 00533的次级代谢产物进行研究。采用硅胶、反相ODS柱色谱和半制备HPLC等分离手段对该菌株发酵产物进行分离纯化,得到16个单体化合物,根据核磁共振波谱数据对分离得到的化合物进行结构鉴定,鉴定为4个内酯类化合物iso-cladospolide B(1)、cladospolide B(2)、pandangolide 1(3)和thiocladospolide F(4),2个甾醇类化合物cladosporisteroid B(5)和(22E,24R)-3β,5α, 9α-三羟基-7,22-麦角甾二烯-6-酮(6),7个二酮哌嗪brevianamide F(7)、N-乙酰-L-苯丙氨酸(8)、环(L-脯氨酸-L-亮氨酸)(9)、环(L-丙氨酸-L-亮氨酸)(10)、环(L-缬氨酸-L-丙氨酸)(11)、环(L-甘氨酸-L-异亮氨酸)(12)和环(L-亮氨酸-L-甘氨酸)(13),1个氨基酸L-色氨酸(14),2个脂肪酸cladosporacid B(15)和(4R,5S,11R,2E)-4,5,11-三羟基-2-十二烯酸甲酯(16)。对所有化合物进行抗氧化、抗菌、α-葡萄糖苷酶抑制活性、细胞毒活性、抗藤壶附着活性和乙酰胆碱酯酶抑制活性评价。结果显示,化合物6和14具有显著的铁离子还原和抗氧化能力,强于阳性对照抗坏血酸(vitamin C, Vc);化合物6对α-葡萄糖苷酶具有一定程度的抑制活性,IC₅₀为2.662 μmol/L;化合物4具有显著的抗藤壶附着活性,抗附着率为100%;部分化合物表现出一定的乙酰胆碱酯酶活性,其中化合物5抑制率达到54.98%。

赤苍藤作为一种具有较高开发潜力的药食同源植物,是目前广西大力推荐种植的经济作物之一,但其物质基础研究匮乏,直接导致其在产品开发、市场推广等多个环节上严重受限。为了揭示赤苍藤的药效物质基础,本文从赤苍藤中分离并鉴定了11个化合物,均为首次从赤苍藤属植物中分离得到。结构上,这些化合物分别属于倍半萜、甾体、苯丙素、聚酮等多种结构类型。药理活性研究结果表明,这些化合物均具有一定的抗炎活性,其中acetanilide的抗炎活性优于临床抗炎药物吲哚美辛。研究结果为深入探究赤苍藤的药用价值和开发新药物提供重要参考。